找個時間寫一寫時間複雜度和一些問題分類，也普及一下這方面知識。
如何衡量乙個演算法好壞
很顯然，最重要的兩個指標：需要多久可以解決問題、解決問題耗費了多少資源
那我們首先說第乙個問題，要多長時間來解決某個問題。那我們可以在電腦上真實的測試一下嘛，多種方法比一比，用時最少的就是最優的啦。
但是沒必要，我們可以通過分析計算來確定乙個方法的好壞，用o()表示，括號內填入n、1，等式子。
這到底是什麼意思呢？
簡單來說，就是這個方法，時間隨著資料規模變化而增加的快慢。時間可以當成y，資料規模是x，y=f(x)，就這樣而已。但是f(x)不是準確的，只是乙個大致關係，y=10x,我們也視作x，因為他的增長速度還是n級別的。現在就可以理解了：一般o(n)就是對每個物件訪問優先次數而已。請注意：o(1)它不是每個元素訪問一次，而是y=1的感覺，y不隨x變化而變化，資料多大它的時間是不變的，有限的常數操作即可完成。
那我們就引入正規概念：
時間複雜度是同一問題可用不同演算法解決，而乙個演算法的質量優劣將影響到演算法乃至程式的效率。演算法分析的目的在於選擇合適演算法和改進演算法。
電腦科學中，演算法的時間複雜度是乙個函式，它定性描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串的長度的函式。時間複雜度常用大o符號表述，不包括這個函式的低階項和首項係數。使用這種方式時，時間複雜度可被稱為是漸近的，它考察當輸入值大小趨近無窮時的情況。
注意：文中提到：不包括這個函式的低階項和首項係數。什麼意思呢？就是說10n,100n,哪怕1000000000n,還是算做o(n)，而低階項是什麼意思？不知大家有沒有學高等數學1，裡面有最高端無窮大，就是這個意思。舉個例子。比如y=n*n*n+n*n+n+1000
就算做o(n*n*n),因為增長速率最大，n*n及其它項增長速率慢，是低階無窮大，n無限大時，忽略不計。
那接著寫：o(n*n*n)的演算法一定不如o(n)的演算法嗎？也不一定，因為之前說了，時間複雜度忽略了係數，什麼意思？o(n)可以是10000000n，當n很小的時候，前者明顯佔優。
所以演算法要視實際情況而定。
演算法的時間 複雜度常見的有：
常數階 o(1)，對數階 o(log n)，線性階 o(n)，
線性對數階 o(nlog n)，平方階 o(n^2)，立方階 o(n^3)，…，
k 次方階o(n^k)，指數階 o(2^n)，階乘階 o(n!)。
常見的演算法的時間 複雜度之間的關係為：
o(1)我們在競賽當中，看見一道題，第一件事就應該是根據資料量估計時間複雜度。
計算機計算速度可以視作10^9,如果資料量是10000，你的演算法是o(n*n)，那就很玄，10000*10000=10000 0000，別忘了還有常數項，這種演算法只有操作比較簡單才可能通過。你可以想一想o(nlog n)的演算法一般就比較穩了。那資料量1000，一般o(n*n)就差不多了，資料量更小就可以用複雜度更高的演算法。大概就這樣估算。
當 n 很大時，指數階演算法和多項式階演算法在所需時間上非常
懸殊。因此，只要有人能將現有指數階演算法中的任何乙個演算法化
簡為多項式階演算法，那就取得了乙個偉大的成就。
體會一下：
空間複雜度也是一樣，用來描述佔空間的多少。
注意時間空間都不能炸。
所以才發明了那麼多演算法。
符上排序演算法的時間空間表，體會一下：
排序部落格：加深對時間空間複雜度理解
相關擴充套件：
時間複雜度 空間複雜度
時間複雜度 在電腦科學中，演算法的時間複雜度是乙個函式，它定性描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串 的長度的函式。時間複雜度常用大o符號 表述，不包括這個函式的低階項和首項係數。計算時間複雜度的方法 1 只保留高階項，低階項直接丟棄 2 係數不要 3 執行次數是常數是為o 1...
時間複雜度 空間複雜度
演算法複雜度分為時間複雜度和空間複雜度。其作用 時間複雜度是指執行演算法所需要的計算工作量 而空間複雜度是指執行這個演算法所需要的記憶體空間。一 時間複雜度 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道...
時間複雜度 空間複雜度
一 時間複雜度 實際是指程式執行次數，而不是程式執行時間 1.我們一般討論的是最壞時間複雜度，這樣做的原因是 最壞情況下的時間複雜度是演算法在任何輸入例項上執行時間的上限，以最壞代表最全。2.時間複雜度的書寫規則 忽略常數項，用o 1 表示 選取最壞時間複雜度即選取增長最快的項 遞迴的時間複雜度 遞...