1、最好情況時間複雜度：在最理想的情況下，執行這段**的時間複雜度。
2、最壞情況時間複雜度：在最糟糕的情況下，執行這段**的時間複雜度。
3、平均情況時間複雜度：**在所有情況下執行的次數的加權平均值。
4、均攤情況時間複雜度：平均情況時間複雜度的一種特殊情況。
// 全域性變數，大小為 10 的陣列 array，長度 len，下標 i。
int array = new int[10];
int len = 10;
int i = 0;
// 往陣列中新增乙個元素
void add(int element)
// new_array 複製給 array，array 現在大小就是 2 倍 len 了
array = new_array;
len = 2 * len;
}// 將 element 放到下標為 i 的位置，下標 i 加一
array[i] = element;
++i;
}
當i < len時，只需要直接插入陣列就行。
最壞情況時間複雜度：o(n)
當i>=len，即i=n時，需要進行一次陣列賦值，所以時間複雜度為o(n)。
平均情況時間複雜度：o(1)
資料插入陣列分兩種情況，一種直接插入，一種需要擴容後再插入。規律：(n是陣列當前的容量)在插入n次資料之後，需要擴容一次，
1*(1/(n+1))+1*(1/(n+1))+ ...+n*(1/(n+1)) = 2n/(n+1)=o(1) 所以加權平均時間複雜度為o(1)前n次插入，都是時間複雜度為o(1)，第n次插入資料後，才擴容一次，時間複雜度為o(n)，可以將這n次插入均攤到不需要擴容的前n次插入，也就是o(1)。
同一段**，在不同的輸入的情況下，複雜度量級有可能是不一樣的。在引入這幾個概念後，我們可以更加全面地表示一段**的執行效率。
複雜度分析 時間複雜度分析和空間複雜度分析
其實，只要講到資料結構與演算法，就一定離不開時間 空間複雜度分析。而且我個人認為，複雜度分析是整個演算法學習的精髓，只要掌握了它，資料結構和演算法的內容基本上就掌握了一半。1.時間複雜度分析 對於剛才羅列的複雜度量級，我們可以粗略地分為兩類，多項式量級和非多項式量級。其中，非多項式量級只有兩個 o ...
複雜度分析 時間複雜度 空間複雜度
執行效率是演算法的乙個重要的考量指標，演算法的執行效率用時間 空間複雜度來衡量。今天我們來學習一下複雜度的分析。通常我們可以通過執行程式來獲得演算法的真正的執行時間，這種方法我們可以稱為事後統計法，但這種方法得到的是具體的資料，測試結果很依賴測試環境，而且受資料規模影像最大。因此，我們需要乙個不需要...
複雜度分析（上）時間複雜度 空間複雜度
為了肉眼 實時 快速地來分析出 的複雜度，我們需要乙個不用具體的測試資料來測試，就可以粗略地估計演算法的執行效率的方法。時間複雜度 空間複雜度 表示演算法的執行時間與資料規模之間的增長關係。每行 對應的 cpu 執行的個數 執行的時間都不一樣，但是，我們這裡只是粗略估計，所以可以假設每行 執行的時間...