数据结构：时间复杂度

O:描述算法的运行时间和输入数据规模之间的关系
（1）T=c*n+c2，T与n之间呈线性关系
（2）O(n)忽略T与n之间的具体常数
（3）O(n)与O(n^2)
对任意输入来说，O(n)确实不一定快于O(n^2)，具体要看T与n之间的常数
但是O其实是描述渐进时间复杂度，描述n趋近于无穷的情况，T=2n^2+300n+100，当n趋于无穷时，低阶项被忽略，
时间复杂度为O(n^2)

（1）O(1)表示操作消耗的时间和数据规模没有关系，addLast在常数时间里完成
（2）addFirst需要把每个元素都向后挪一位，时间复杂度为O(n）
（3）add(index,e)，时间复杂度与index的值相关，具体分析较复杂。平均来看，index朝前一些，向后挪的元素多一些，整体操作慢一些，有些情况index大一些，向后挪的元素少一些，整个操作快一些，平均而言要向后挪n/2个元素，O(n/2)，O中忽略常数，O(n)
(4)分析添加操作的时间复杂度时，通常关注的是它整体而言的最坏情况
（5）动态扩容的resize方法时间复杂度为O(n)

（5**）修改操作，数组的最大优势，支持随机访问**

（6**）查找时，知道索引的复杂度为O(1)，不知道时需要遍历，复杂度为O(n)**

resize的时间复杂度分析

在增删操作中，如果保证只对最后一个元素进行操作，不会使用到add和addFirst，那么时间复杂度为O(1)，但由于有动态扩容减容的resize操作，分析最坏情况：在addLast的同时要进行扩容，那么添加操作的时间复杂度依然为O(n),一旦resize就需要把整个数据全部复制一般赋值给新的空间

以上的resize最坏情况复杂度不合理，不可能每次addLast操作都触发一次resize，最坏情况不会每次都出现

17次基本操作包括：9次的添加操作，8次元素转移操作

resize不可能在每次addLast操作后触发一次，所以n+1次的addLast只会触发一次resize，将一次resize的时间平摊给n+1次addLast，于是得到每次addLast操作，进行2次基本操作的结论，这样均摊计算，时间复杂度为O(n)

思想：一个相对比较耗时的操作，如果保证它不会每次都触发，那么这个相对比较耗时的操作相应的时间可以分摊到其他操作中