o(1): constant complexity 常數複雜度
o(log n): logarithmic complexity 對數複雜度
o(n): linear complexity 線性時間複雜度
o(n^2): n square complexity 平方
o(n^3): n cubic complexity 立方
o(2^n): exponential growth 指數
o(n!): factorial 階乘
注意：只看最高複雜度的運算
計算：1 + 2 + 3 + … + n
• 方法一：從1到n的迴圈累加——（o(n)的複雜度） y = 0 for i = 1 to n: y += i
• 方法二：求和公式 sum = n(n+1)/2——（o(1)複雜度，因為只執行1次） y = n * (n + 1) / 2
更複雜的情況：遞迴
fib: 0, 1, 1, 2, 3, 5, 8, 13, 21, ……
• f(n) = f(n - 1) + f(n - 2)
• 面試 （直接用遞迴）——不建議，可以快取重複資料提高效能 int fib(int n)
二叉樹遍歷 - 前序、中序、後序：時間複雜度是多少？——o(n)
圖的遍歷：時間複雜度是多少？——o(n)
搜尋演算法：dfs、bfs 時間複雜度是多少？——o(n)
二分查詢：時間複雜度是多少？——o(logn)
陣列的長度
遞迴的深度（特殊說明）
例項分析：
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 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，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 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，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t n 表示，若有某個輔助函式f n 存在乙個正...