算法学习开篇：程序性能分析（未完）

程序性能的分析，离不开两个维度：时间复杂度和空间复杂度。

时间复杂度分析

大家都知道时间复杂度是一个函数，它定性描述了算法的运行时间。

为什么说它是定性呢？因为时间复杂度是用来描述算法的运行时间随着输入规模的增加而如何变化，而不是一个具体的运行时间值。它是一种用于理解算法性能的抽象度量，允许我们在不必关注具体硬件和输入数据规模的情况下比较不同算法的效率。

在软件开发中，开发者通常通过时间复杂度估算程序的运行时间。这种估算通常以算法的操作单元数量来代表程序消耗的时间。（我们默认算法的每一个操作单元所消耗的时间都是相同的）

算法的时间复杂度和问题规模有关，我们假定问题规模是f(n)，那么算法的时间复杂度就是O(f（n）),其中O表示算法运行的上界，即一种算法在最坏情况下的运行时间。例如：排序算法，以数组为例，数组元素排列的顺序越乱，我们进行排序时需要操作的元素就越多，这时候算法的时间复杂度相对而言就更高一点。

关于时间复杂度的计算

在算法时间复杂度的计算中，我们以for循环和递归举例：

以下算法时间复杂度都以计算x的n次方为例。

    public static int factorialMethod(int n) {
        int result = 1;
        for (int i = n; i >= 1; i--) {
            result *= i;
        }
        return result;
    }

for循环的时间复杂度为：O（n）

下面使用递归进行书写

    public static int factorialMethod(int n) {
        if (n == 1) {
            return 1;
        }
        return n * factorialMethod(n - 1);
    }

递归算法的时间复杂度=递归的次数x每次递归操作的单元数。

在这个递归中，时间复杂度是O（n*1）=O（n）

下面我们对阶乘的递归算法进行改进：