算法复杂度计算方法

时间复杂度：一段代码或函数会根据N的不同情况运行多少次，并只看最高复杂度的运算。常见复杂度排序：
cantans complexity 常数级复杂度O(1) < logarithmic complexity 对数复杂度O( log(n) ) < linear complexity线性时间复杂度O(n) < O( nlog(n) ) < 平方O(n^2) < 立方O(n^3) < 指数O (2^n) < 阶乘O(n!)
空间复杂度：通常用数组长度和递归深度或取两者最大值来定义
详解：如何理解算法时间复杂度的表示法

关于主定理：
百度百科 ：在算法分析中，支配理论（英语：master theorem）提供了用渐近符号（大O符号）表示许多由分治法得到的递推关系式的方法。这种方法最初由Jon Bentlery，Dorothea Haken和James B. Saxe在1980年提出，在那里被描述为解决这种递推的“天下无敌法”(master method)。此方法经由经典算法教科书Cormen，Leiserson，Rivest和Stein的《算法导论》 (introduction to algorithm) 推广而为人熟知。
作用 ：可以用来解决所有递归函数如何计算其时间复杂度的问题，即任何一个分治或递归的函数都可以通过主定理算出它的时间复杂度

面试和平时工程中常用的四种递归情形及时间复杂度计算公式：
二分查找： 递归公式：T(n) = T(n/2) + O(1) 时间复杂度：O( log(n) )
二叉树遍历： 递归公式：T(n) = 2T(n/2) + O(1) 时间复杂度：O(n )
二维矩阵二分查找：递归公式T(n) = 2T(n/2) + O(log(n)) 时间复杂度：O(n )
归并排序： 递归公式：T(n) = 2T(n/2) + O(n) 时间复杂度：O(n log(n) )
还有图的遍历，DFS和BFS搜索遍历也很重要，时间复杂度都是O(n)，因为每个节点都要访问一次且仅一次