复杂度分析

复杂度

复杂度也叫渐进复杂度，包括时间复杂度和空间复杂度，用来分析算法执行效率与数据规模之间的增长关系，可以粗略地表示，越高阶复杂度的算法，执行效率越低。
时间复杂度：全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系。
空间复杂度：全称是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。
常见时间复杂度低阶到高阶有：O(1)、O(logn)、O(n)、O(nlogn)、O(n2)

最好情况时间复杂度

最好情况时间复杂度（best case time complexity）
在最理想的情况下，执行这段代码的时间复杂度。

最坏情况时间复杂度

最坏情况时间复杂度（worst case time complexity）
在最糟糕的情况下，执行这段代码的时间复杂度。

平均情况时间复杂度

平均情况时间复杂度（average case time complexity）
又称加权平均时间复杂度或者期望时间复杂度。

均摊时间复杂度

均摊时间复杂度（amortized time complexity）
摊还分析法：对一个数据结构进行一组连续操作中，大部分情况下时间复杂度都很低，只有个别情况下时间复杂度比较高，而且这些操作之间存在前后连贯的时序关系，这个时候，我们就可以将这一组操作放在一块儿分析，看是否能将较高时间复杂度那次操作的耗时，平摊到其他那些时间复杂度比较低的操作上。而且，在能够应用均摊时间复杂度分析的场合，一般均摊时间复杂度就等于最好情况时间复杂度。