复杂度分析

假设每行代码执行的时间都一样，为 unit_time。
复杂度的概念来说，它表示的是一个算法执行效率与数据规模增长的变化趋势。
所有代码的执行时间 T(n) 与每行代码的执行次数 n 成正比

T(n)代表代码执行的时间，n表示数据规模的大小，f(n)表示每行代码执行的次数总和。
公式中的 O，表示代码的执行时间 T(n) 与 f(n)表达式成正比。
大O的时间复杂度表示法。大O时间复杂度实际上并不具体表示代码真正的执行时间，二十表示代码执行时间随数据规模增长的变化趋势，所以，也叫渐进时间复杂度，简称时间复杂度。
1. O(1)
一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)。
2. O(logn)、O(nlogn)
3. O(m+n)、O(m*n)

时间复杂度的全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系。类比一下，空间复杂度全程是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。

平均时间复杂度的全称应该叫加权平均时间复杂度或者期望时间复杂度。
均摊时间复杂度:把耗时多的那次操作均摊到接下来的 n-1 次耗时少的操作上，均摊下来。