时间和空间复杂度

算法效率

算法效率分析分成两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率被称为空间复杂度。时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间。

大O阶方法

因为我们计算效率，只需要大概执行次数，那么这里我们使用大O的渐进表示法。
大O符号（Big O notation）:是用于描述函数渐进行的数字符号。
推导大O阶方法
1、常数1取代运行时间中所有加法常数 —O(10)=O(1)
2、在修改后的运行次数函数中，只保留最高阶项—O(2n^2+2 n+6)=O(2*n^2)
3、如果最高阶项存在且大于等于1，则去除与这个项目相乘的常数。=O(n^2)
通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项，简明的表示了执行次数
4、默认所有对数都是以2为底的对数O（log(N)）

时间复杂率

一个算法所花费的时间与其中语法的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
并且有些算法的时间复杂度存在最好、平均和最坏情况：
最坏情况：任意输入规模的最大运行次数（上界）
平均情况：任意输入规模的期望运行次数
最好情况：任意输入规模的最小运行次数（下界）
比如：在一个长度为N数组中搜索一个数据x
最好情况：1次找到
最坏情况：N次找到