算法复杂度
- 平时我们说算法的好坏，排除一些软件和硬件上的限制，怎么去衡量这个算法运行的更快呢？这就是Big O notation的作用啦！
Big O notation
- Big O notation是一种描述述函数渐进行为的理论，说白了，表达算法的增长趋势，一个算法会渐渐走向快速还是缓慢的表达方式。
这种渐进表达有三种记号来表示：O、 Θ 和 Ω 记号法。Θ 记号渐进地给出了一个函数的上界和下界，当只有渐近上界时使用 O 记号，当只有渐近下界时使用 Ω 记号。
譬如：
T(n)=4n2+2n+2 当 n 增大到非常大时，
n2 项将开始占主导地位 , 一般就用O(n2) 表示该算法的上界表示算法复杂度。
算法的衡量从两个方向出发：时间复杂度和空间复杂度
1. 时间复杂度
- 算法完成其执行所需的总时间量
- 但是！算法执行的时间我们很难真实的估计，只能比较算法语句的执行次数，以此比较时间复杂度
2. 空间复杂度
- 算法完成其执行所需的计算机存储器的总量
- 说白了，就是程序执行所需要的内存空间：
- 指令空间：用于存储已编译版本指令的内存量。
- 环境堆栈：在函数调用时存储部分执行函数信息的内存量。
- 数据空间：用于存储所有变量和常量的内存量。
怎么做
- 书读百遍，其义自见。
参考：
http://www.cnblogs.com/gaochundong/p/complexity_of_algorithms.html
http://www.ehcoo.com/complexity.html