时间复杂度
课程链接
https://www.bilibili.com/video/BV1JV411G7De
课程笔记
（1）常数操作，固定时间的操作，执行时间和数据量无关
（2）时间复杂度，一个和数据量有关、只要高阶项、不要低阶项、不要常数项的操作次数表达式
举例：选择、冒泡、插入
（3）严格固定流程的算法，一定强调最差情况！比如插入排序
（4）算法流程上利用随机行为作为重要部分的，要看平均或者期望的时间复杂度，因为最差的时间复杂度无意义
（5）算法流程上利用随机行为作为重要部分的，还要看平均或者期望的时间复杂度，因为最差的时间复杂度无意义
算法流程上利用随机行为作为重要部分的，还有随机快速排序（【必备】课）、跳表（【扩展】课）也只在乎平均或者期望的时间复杂度，因为最差的时间复杂度无意义
（6）时间复杂度的内涵：描述算法运行时间和数据量大小的关系，而且当数据量很大很大时，这种关系相当的本质，并且排除了低阶项、常数时间的干扰
（7）空间复杂度，强调额外空间；常数项时间，放弃理论分析、选择用实验来确定，因为不同常数操作的时间不同
（8）什么叫最优解：先满足时间复杂度最优，然后尽量少用空间的解
（9）时间复杂度的均摊，用动态数组的扩容来说明（等比数列、均摊的意义）
并查集、单调队列、单调栈、哈希表等结构，均有这个概念。这些内容【必备】课都会讲
（10）不要用代码结构来判断时间复杂度，比如只有一个 while 循环的冒泡排序，其实时间复杂度 O(N²)
（11）不要用代码结构来判断时间复杂度，比如：N/1 + N/2 + N/3 + … + N/N，这个流程的时间复杂度是 O(N * logN)，著名的调和级数
（12）时间复杂度只能是对算法流程充分理解才能分析出来，而不是简单的看代码结构！这是一个常见的错误！甚至有些算法的实现用了多层循环嵌套，但时间复杂度是 O(N)的。在【必备】课程里会经常见到
（13）常见复杂度一览
O(1)、O(logN)、O(N)、O(N*logN)、O(N^2) … O(N^k)、O(2^N) … O(k^N) … O(N!)