一、看常数操作总次数与数据量的关系

以选择排序为例，每次选择剩余数据中最小值，将选出的最小值放到前面。
看： 数组寻址获取index位置元素
比： 比较当前最小值与当前元素的的大小
swap：将最小值与当前序列头部元素交换

总次数： 级别。

二、递归程序复杂度估计-master公式

tips：记忆方法
如果log(b,a) < d的话，那么整体复杂度是由除了递归的其他逻辑决定的，是指数的规模，
如果小于，那么就是由log(b,a)的递归行为决定，整体复杂度即使N的log(b,a) 次方；
如果是等于，就比较特殊，最终复杂度是由两部分乘积构成。
例子：

tips：这里mid取值是(R-L)>>1 ？
原因1 ：（L+R/ 2） 可能整形溢出。弹幕说leetcode153题，不知道是个啥题目。

原因2 ： 能够保证mid取不到R，每次是减小的，比如L= 1 ，R=2，求出来的mid =1；
如果写成mid = （R-L +1） /2 的话，结果就成了2， 这样下面的process（arr , L , mid）就有stack over flow 异常了。
复杂度分析：

T(N ) + 2 * T(N/2) + O(N)， 套上master公式，a=2, b=2, d = 1.
log(b, a) = d; 所以最终复杂度就是 O（N）

三、 当递归程序归纳成master公式后，a是1的时候

比如T（N） = T（N-1 ） + O (N)
例子：

四、出现双指针有增有减的时候，分析方法：构造两个变量，看变化幅度

例如：KMP算法

五：一些优化后的数论算法、图论算法

先放着，看看就好
例1：素数埃式筛选，
为什么埃式筛法的时间复杂度是O(nloglogn)？ - 知乎 https://www.zhihu.com/question/35112789
例2：并查集，据说证明了25年。

番外：
1、除了O，还有平均复杂度和最好复杂度。算法上不用。