数据结构与算法之复杂度介绍

## 如何衡量程序运行的效率
    当你在大数据环境中开发代码时，你一定遇到过程序执行好几个小时，甚至好几天的情况，或者是执行过程中电脑几乎卡死的情况：    
    1.如果这个效率低下的系统是离线的，那么它会让我们的开发周期，测试周期变的很长；
    2.如果这个效率低下的系统是在线的，那么它随时具有时间爆炸或者内存爆炸的可能性。
    因此，衡量代码的运行效率对于一个工程师而言，是一项非常重要的基本功。
    **1.复杂度是什么**
    复杂度是衡量代码运行效率的重要度量因素，在介绍复杂度之前，有必要先看一下复杂度和计算机实际任务处理效率的关系，从而了解降低复杂度的必要性。
    计算机通过一个个程序去执行计算任务，也就是对输入数据进行加工处理，并最终得到结果的过程，每个程序都是由代码构成的。可见，编写代码的核心就是要完成计算。但对于同一个计算任务。不同计算方法得到结果的过程复杂程度是不一样的。这对你实际的任务处理效率就有了非常大的影响。
    **复杂度一般用两个维度来衡量(时间和空间)；**
    复杂度是一个关于输入数据量n的函数。假设你的代码复杂度是f(n),那么就用大些字母O和括号，把f(n)扩起来就可以了，即O(f(n))。例如，O(n)表示的是，复杂度与计算实例的个数n线性相关，O(logn)表示的是，复杂度与计算实例的个数n对数相关。
    首先。复杂度与具体的常系数无关，例如，O(n)和O(2n)表示的同样的复杂度，解析：O(2n) 等于O(n+n),也等于O(n)+O(n)。也就是说，一段O(n)复杂度的代码只是先后执行两遍，其复杂度是一致的。
    其次，多项式级的复杂度相加的时候，选择高者作为结果，例如O(n*n)+O(n)和O(n*n)表示的是同样的复杂度，解析：O(n*n)+O(n)=O(n*n+n)。随着n越来越大，二阶多项式的变化率要比一阶多项式更大的。因此，只需要通过更大变化率的二阶多项式来表示复杂度就可以了。
    **待续......**