一、评估算法的核心指标是什么？
1、时间复杂度
2、空间复杂度
二、什么是时间复杂度？
1、确定算法流程的总操作数量与样本数量之间的表达式的关系
2、常数时间的操作
2.1、如何确定算法流程的总操作数量与样本数量之间的表达式的关系？
算法流程的总操作数量与样本数量之间的表达式的关系.png
1、将处理的算法流程，按照最差的情况来计算
2、将整个流程拆分成一个个基本的动作，每个动作都是常数时间的操作
3、如果数据量是N，则看基本数量与N之间是什么关系
2.2、常数时间的操作
什么是常数时间的操作？
一个操作的执行时间，不以具体执行的数据量为转移，每次执行的时间都固定。常见的常数时间的操作如下：
常见的算术运算（+、-、*、/、% 等）
常见的位运算（>>、>>>、<<、|、&、^等）
赋值、比较、自增、自减操作等
数组寻址操作
2.3、常见的时间复杂度
排名从好到差：
O(1)
O(logN)
O(N)
O(N*logN)
O(N^2) O(N^3) … O(N^K)
O(2^N) O(3^N) … O(K^N)
O(N!)
2.4、时间复杂度的意义
例如，将数组中的数据进行从小到大进行排序。
A的时间复杂度是：N的平方
B的时间复杂度是：N的三次方在执行相同的数据量时，A的执行效率要优于B的执行效率
三、如何估算时间复杂度？
估算时间复杂度.png
当完成了表达式的建立，低阶项都去掉，高阶项的系数都去掉，只把高阶项留下即可。
记为：O（忽略掉系数的高阶项）
四、空间复杂度
空间复杂度.png
在实现算法流程的过程中，你需要开辟一些空间来支持你的算法流程。
作为输入参数和输出结果的空间，不算额外空间。
因为这些都是必要的、和现实目标有关的，所以都不算。
但除此之外，你的流程中需要开辟空间才能让你的流程继续下去，这部分空间就是额外空间。
如果你的流程只需要开辟有限几个变量，空间复杂度就是O(1)。
