1.算法时间复杂度（算法的时间的量度）：T（n） = O(f（n）)----->f(n)只得是增长率
定义：在计算算法分析时，语句总的执行次数T（n）是关于问题规模n的函数，进而分析T（n）随n的变化情况并确定T（n）的数量.
执行次数 == 时间
最优算法---->随着时间的增大，T（n）增长最慢的算法最优
2.推导算法时间复杂度（大O阶）的方法：
1.用常数1取代运行时间中的所有加法常数----->O（1）
2.在修改后的运行次数函数中，只保留最高阶项。
3.如果最高项阶存在且不为1，那么去除在于这个项相乘的常数。--------->大O阶
常数阶，O(1)
线性阶，一般含有非嵌套循环（单个循环）的会涉及到，就是随着函数规模n的扩大，对应计算次数呈之前增长O（n）
平方阶，含有嵌套循环（多个循环）O(n^循环次数)
对数阶，比如O（logn）
3.函数调用的时间复杂度分析
常用的时间复杂度所耗费的时间从小到大一次为：O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
4.最坏情况O（n）与平均情况(期望的平均运行时间)
1.算法的空间复杂度S（n） = O（f（n））----->f(n)指的是关于n所存储空间的函数
通过计算算法所需的存储空间实现
