算法复杂度分为空间复杂度和时间复杂度。
空间复杂度是指这个算法占用的内存
时间复杂度就是指这个算法的工作量
时间频度：算法花费的时间跟算法执行次数成正比，所以我们计算时间频度都是由执行次数来计算
算法执行次数越多，花费的时间越多。一个算法中执行次数称为时间频度记为T（n）
在时间频度中，n为问题的规模，当n不断变化时，它呈现出来的规律就是时间复杂度O(n)。
比如说：时间频度T（n）=kn+b,那么它的时间复杂度就是O（n）,在时间复杂度中，只要是kn+b就代表它跟n是同量级的就可以把它的k和b省略掉
类似的：时间频度T（n）=kn^2+bn的时间复杂度是O（n^2）
一般常用到的时间复杂度和大小排序如下：
O（1） 如何快速计算算法的时间复杂度： 1.先确定问题的规模n 在一个普通的for循环中，它每个数都会执行一次，所以它的时间复杂度是O（n） 2.如果是循环减半那就是logn 例：二分查找和如下代码 for(int i=1;i count++; } 它的时间复杂度因为是折半循环，时间复杂度就是O(logn) 3.k层n循环的时间复杂度就是 O(n^k) 例： for(int i=0;i for(int j=0;j count++; } } 它就是2层关于n循环，它的时间复杂度就是n*n即O(n^2) 复杂情况： 1）先找出算法中基本语句 2）计算基本语句的执行次数的数量级 3）通过执行次数来判断它的时间复杂度 例： int n=8;count=0; for（int i=1；i<=n;i*=2）{ for(int j=1;j<=i;j++){ count++; } } 它的n在最外层，而且最外层是折半的是logn，然后通过里层for循环来计算执行次数的数量级 里层第一次执行次数：1 里层第二次执行次数：2 里层第三次执行次数：4 里层第四次执行次数：8 n=8时时间频率是：1+2+4+8 如果是n时总执行次数为：1+2+4+8+....+n/2+n=2n-1,我们知道它时间频率为2n-1,所以时间复杂度为O（n） 再看如下例子： int m = 0,n=8 for(i = 1;i for(j=1;j<=2*i;j++) { m++; } } 它的n在最外层，而且最外层是普通for循环时间复杂度是n，然后通过里层for循环来计算执行次数的数量级 里层第一次执行次数：0 里层第二次执行次数：2 里层第三次执行次数：4 里层第四次执行次数：6 里层第五次执行次数：8 里层第六次执行次数：10 里层第七次执行次数：12 里层最后一次执行次数：14 n=8的时间频繁即执行次数为：0+2+4+6+8+10+12+14 即如果是n时时间频率为：0+2+4+6+8+10+...+(n-2)*2+(n-1)*2=n(n-1)即它的时间复杂度为O(n^2) 八大排序的时间复杂度： 冒泡排序：O（n^2） 简单选择排序：O（n^2） 插入排序：O（n^2） 希尔排序：O(nlogn) 堆排序：O(nlogn) 基数排序：O(kn) 归并排序：O(nlogn) 递归排序：O(nlogn) 排序时间复杂度细节看我其他文章。
