时间复杂度主要是衡量一个算法的运行快慢
空间复杂度主要是衡量一个算法所需的额外空间
摩尔定律：每十八个月内存翻一番
现在不太关注空间复杂度，所以主要研究时间复杂度
百度百科解释： 
时间复杂度不计算时间，计算运行次数
不同设备运行时间不同
的结果就是大O阶
实例计算时间复杂度
例题1：
时间复杂度为O(N)
计算时，不用讲++k计算在内，主要计算循环次数
例题2：
时间复杂度为O(M+N)
例题3：
时间复杂度为 O(1)（由上述推导大O阶的方法可知为O(1)）
例题4：（查单词里的某一个字母）
时间复杂度为O(N)
当一个算法随着输入的不同，时间复杂度不同，时间复杂度做悲观预期，看最坏情况
例题5：（冒泡法）
O(n^2)
计算大O阶时不能只看循环次数，要看背后的思想
例题6：（二分法）
O（lgN)
如果一个数组内的数据已经有序，那么使用二分搜索算法将大大提高代码运行效率
如果无序，可以使用
树->二叉树->搜索二叉树->平衡搜索二叉树->RBTree/AVLTree
哈希表
例题7：（阶乘递归）
O(N)
例题8：（斐波那契递归）
O(2^N)
递归算法：递归次数*每次递归调用的次数
斐波那契递归算法实际中没用，太慢了
22万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
