1.算法时间复杂度

什么是大O？
n表示数据规模
O（f(n)）表示运行算法所需要执行的指令数，和f(n)成正比

当n达到一个量点的时候，时间复杂度低的那个算法一定比时间复杂度高的那个算法运行的快，并且n越大，这样的表现越明显


如果时间复杂度是类似O（nlongn + n ）这样的，那么找出一个主导来就可以，前提是，nlogn和n中的n规模是一样的，如果是类似于O（A + B2）A和B完全不同，那么结果是不能省略的

2.数据规模的概念

3.空间复杂度

递归的调用是有空间代价的，递归的深度是多少，递归所占用的空间复杂度就是多少

4.常见的复杂度分析





计算时间复杂度的时候，一定要注意语句执行的开始点和结束点，最关键的是每次增量的变化

5.复杂度的实验


递归算法的复杂度分析



6.均摊复杂度分析

例如动态数组（vector）