算法复杂度分析

为什么要进行复杂度分析？

讨论数据结构和算法，必然涉及复杂度分析。包括时间复杂度分析和空间复杂度分析。研究算法和数据结构的最终目的就是为了 “快” 和 “省”，快是指速度快，省是指耗费的内存等硬件资源少。
 
渐进分析︰在问题规模足够大后，计算成本如何增长?
Asymptotic analysis : 当n >>2后，对于规模为n输入，算法
需执行的基本操作次数:T(n)= ?
需占用的存储单元数:s(n) = ?

时间复杂度

一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数f(n)，算法的时间量度记作

                                  T(n)=O(f(n))

它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度（Asymptotic analysis ），简称时间复杂度。

大O记号

大O表示法描述的是随着数据规模n增长时，算法的增长变化趋势。并不代表实际的执行时间。

大O表示法会忽略常量、低阶和系数。

多数情况下它是最深层循环的语句操作，它的执行次数和包含它的语句的频度相同。语句的频度指的是该语句重复执行的次数。

一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)

常见的时间复杂度和其数学特性：

复杂度量级	大O表示法