复杂度的理解

复杂度是用来感性的定量化算法的计算效率的方法，复杂度分为时间复杂度以及空间的复杂度。

我以前一直在怀疑复杂度的定义，比如说两个矩阵相乘，假设两个矩阵的规模都是n阶方阵，那么需要计算n的立方次数乘法，所以就是复杂度是O（n^3），后来仔细思考，其实里面是有很多加法的操作，那么为什么不把加法的操作算进去呢？换句话说，凭什么就光光算乘法的次数？
我在读数据结构这部书的时候终于明白了，实际上我的理解是对的，我们一般考虑计算复杂度的时候，是以一个基本操作作为前提，来计算该基本操作的执行次数，当作是计算的时间复杂度，所以我们可以知道，上面的两个矩阵的乘法的操作，本质上是一个乘法的操作次数的统计。当然，我把加法算进去也是可以的，如果要精确的计算复杂度，我们需要将乘法的次数以及加法的次数进行加权，获得一个可以比较的计算次数，在不同的算法下，我们比较一个谁的计算次数少，算法就更加的优秀了。

另外，往往及计算的复杂度和输入数据相关，当然合理期间，我们应该计算不同输入数据的期望值，但是往往概率很难求得，所以在真实得使用下，我们往往计算出最差得那种情况当作计算复杂度。