Day1 复杂度分析

问：复杂度分析要解决什么问题？
答：分析、统计算法的执行效率和资源的消耗

问：通过代码跑一遍，统计、监控，得到算法执行的时间和占用的内存大小的局限性
答：
    1. 测试结果依赖测试环境
    2. 受数据规模的影响较大

问：什么是大O复杂度表示法？
答：表示代码执行时间随着数据规模增长的趋势，也称渐进时间复杂度

问：如何分析时间复杂度？
答：
	1. 只关注循环执行次数最多的那一段代码
	2. 加法法则，总复杂度等于量级最大的那段代码的复杂度
	3.  乘法法则，嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

问：几种常见的时间复杂度
答： 
	1. 常量阶 O(1)，一般是没有循环和递归的情况
	2. 对数阶 O(logn) 
	3. 线性阶 O(n)
	4. 线性对数阶 O(nlogn)
	5. 指数阶 O(2^n)
	6. 阶乘阶 O(n!)
	7. 平方阶 O(n^2) ...

问：什么是空间复杂度？
答：表示算法的存储空间与数据规模之间的增长关系

常用的时间复杂度

复杂度分析的几个知识点：
1. 最好情况时间复杂度
2. 对坏情况时间复杂度
3. 平均情况时间复杂度
4. 均摊情况时间复杂度