时间复杂度学习记录

看了很多相关的文档，但大多都好官方，对于没有好好学习线性代数等之类专业学科的娃来说有点费脑子啊，话说之前被时间复杂度虐过，现在来简单整理一下学习笔记：

首先谈到时间复杂度，是和算法挂钩，算法听着高深，实则一些计算赋值或for等，算法复杂度分时间复杂度与空间复杂度，空间复杂度是指占用内存，时间复杂度即时间频度，是指执行该语句的次数，下面对时间复杂度具体值进行解释。

O（1）：指运算次数为常数的算法，比如a=b+1；像这条语句，执行1次，再来n个这样的赋值语句，也是执行n次，注意这个n是个常数，有种小学的斜率公式，k=1；

O（n）：是指线性算法。比如for（i=1;i<=n;i++）这样的for循环语句需要执行n次，这个n越大，执行的次数也越大，即成正比，宛如斜率公式k=n；

O（1）和O（n）的区别呢：当n很大的时候，O（1）的复杂度趋于常量C不再增长，而O（n）则仍然成正比增长。

此处放一个思考：

那是不是可以说当n比较小比如100的时候，O（1）与O（n）相等？

O（logn）：对数阶，比如二分法，想想数据库的b-tree索引检索，每次能去掉一半的检索数据量。

O（n2）：是指n的平方哈，按我理解，循环套循环n*n次运行，看别处说，平常可见的对数组进行简单的排序都是O（n2），这个我后续会多加关注。（写程序常用脑不用心的原因啊~）。

之后的不说了，有一个复杂排序：常数阶O(1)、对数阶O(logn)、线性阶O(n)、线性对数阶O(nlogn)、平方阶O(n²)、立方阶O(n³)、……k次方阶O(n的k次方)、指数阶O(2的n次方)。立方阶据说是矩阵相乘算法，这个没写过，太菜了。

为啥算法现在这么火，精心设计的算法，高效，运行快，算法设计是一门技术啊，之后也会多关注，提高程序效率。

暂时到这里，希望后续会补充更多，若有误，请大神指出，小妹不胜感激。