复杂度的渐进表示法(时间复杂度)

简单来说 O(f(n))就表示f(n)是T(n)的某种上界 对于充分大的n而言

那么类似 g(n)是T(n)的某种下界

我们分析算法效率的时候 总归是希望不管是上届还是下届 都尽可能跟它的真实情况贴的越近越好 所以我们一般取得是我们能找到的最小上界或者最大下界

我们知道log n 是最好的函数，log n是涨的最慢的。作为一个程序员，在设计算法时，每当看到一个算法的复杂度是n²，一个下意识本能反应，我有没有办法 把它降成nlog n。如果你能降成nlog n,那个效率的提高是非常非常明显的

比如说有两段算法 我们知道他们复杂度的上界是什么 那么把两段算法拼在一起时 总时间就是两段的和 他们的上界就是两个上界之间最大的那个。当把两个算法嵌套起来要相乘的时候，他们的上界就是他们上界的乘积

小测验： 下面一段代码