1_4复杂度

二分查找法O(logn) 所需执行指令数（a*logn）
寻找数组中的最大最小值O(n)

二分查找法O(logn)	所需执行指令数（a*logn）
寻找数组中的最大最小值O(n)	所需执行指令数（b*n）
归并排序法O(nlogn)	所需执行指令数（c*nlogn）
选择排序法O(n^2)	所需执行指令数（d*n^2）

问题：有一个字符串数组，将数组中的每一个字符串按照字母序排序，之后再讲整个字符串数组按照字典序排序，整个操作的时间复杂多是多少？

假设 最长的字符串长度是s，数组中有n个字符串
对每个字符串排序：O（slogs）
将数组中的每一个字符串按照字母序排序：O（nslog(s)）
将整个字符串数组按照字典顺序排序：O（snlog(n)）
整体复杂度：
O（n * slog(s)+s * nlog(n)） = O(n*s(log(s)+log(n)))

插入排序 最差是O（n2） 最好O（n） 平均O（n2）
快速排序 最差O（n2） 最好O（nlogn） 平均O（nlogn）

如果想在1s内解决问题：
O（n2）的算法可以处理大约10^4级别的数据
O（n）的算法可以处理大约10^8级别的数据
O（nlogn）的算法可以处理大约10^7级别的数据

空间复杂度
多开一个辅助的数组 O（ n）
多开一个辅助的二维数组O（n2）
多开一个常数空间O（1）

复杂度分析：
双重循环不一定都是O（n2）

复杂度实验：
实验观察趋势：
每次将数据规模扩大十倍，观察时间，来判断该算法的时间复杂度

将相邻数据规模进行除法，可以判断算法大约是O（n^2）的时间复杂度

O（log(n)）级别的算法，在数据特别大的时候，基本不会增加额外的耗时。
增大数据规模，时间增加的并不是很多

O(nlogn)也不错，但是如果是O(n2)就完全不能接受

不是有递归的算法就是nlogn

递归中进行一次递归调用的复杂度分析
如果递归函数中，只进行一次递归调用，递归深度为depth
在每个递归函数中，时间复杂度为T，
则总体的时间复杂度为O（T*depth）

均摊复杂度分析