时间复杂度和空间复杂度

算法时间复杂度

(1) 算法时间复杂度的定义：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n) = O(f(n))。它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称时间复杂度。其中f(n)是问题规模n的某个函数。（关键就是记住执行次数==时间）；

(2) 这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法；

(3) 一般情况下，随着输入规模n的增大，T(n)增长最慢的算法为最优算法。

常见的时间复杂度所耗费的时间从小到大依次是：O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n3)<O(2^n)<O(n!)<O(nn)
5.最坏情况与平均情况

(1) 比如我们查找一个有n个随机数字数组中的某个数字，最好的情况是第一个数字就找到了，那么算法的时间复杂度为O(1)，但也有可能这个数字在最后一个位置，那么时间复杂度为O(n)；

(2) 平均运行时间是期望的运行时间；

(3) 最坏运行时间是一种保证。在应用中，这是一种最重要的需求，通常除非特别指定，我们提到的运行时间都是最坏情况的运行时间。

算法的空间复杂度

(1)