算法的时间、空间、性能分析

一.想要预估算法的运行时间，可以先计算测试样例的时间；然后将测试样例翻倍，记录时间；然后再翻倍……得到如下模型：

样例(N)	运行时间(T(N))
N	x1
2N	x2
4N	x3
8N	x4
16N	?

做图像x轴为lgN，y轴为lg(T(N))。我们一般可以得到一个斜率为b的直线。
lg(T(N)) = blgN + c

同时取2的幂，就可以得到 T(N) = aN^b (a = 2 ^ c)

二.我们想要知道算法内部具体发生了什么，导致了这样的运行时间。

我们可以知道，每条单独的指令，例如a > b ，的运行时间。那么程序的运行时间 = sum(指令时间i * 指令频率i）。

如果这样计算的话，我们需要着眼很多的细节。实际上我们可以不用专注于所有细节。我们可以只考虑，频率最多开销最大的基本操作，来估算作为整个程序的运行时间。一般我们认为，实际的运行时间就是常数乘以这个操作的运行时间；而这个操作的运行时间又是其频率的整数倍；因此实际的运行时间就是常数乘以这个操作的频率。

由以上可知，算法频率可以用来预估算法的性能，也就是所说的时间复杂度。算法频率为N^2 + N + 16时， N 和16可以忽略。这是因为当N趋于无穷时，（N ^ 2 + N + 16 ) /（N ^ 2）的极限为1。可以用N ^ 2 + N + 16 ~ N ^ 2来表示。