复杂度分析：衡量一个算法的优劣
时间：
大O时间复杂度分析法：
如何一眼看上去就能知道一段代码的复杂度
一个算法和一段代码的执行时间和代码行数成正比
n--代码行数
O--表示代码对函数f（n）成正向趋势
T（n）=O（f（n））；
分析方法：
1.只需要关注循环量最多的一点代码
2.加法原则：总复杂度等于量级最高的代码复杂度（代码中出现多段循环体）
3.乘法法则：嵌套代码复杂度等于嵌套内部代码复杂度乘积（循环体出现嵌套时）
常见都时间复杂度：
分为两类，一个叫***多项式时间复杂度***：O(1),O(n),O(n^k), n的k次方阶 O(logn) 对数阶 ,O(nlogn) 线性对数阶
O(m+n) !=O(n),无法确定m和n谁打谁小
最好，最坏，平均时间复杂度
最好：一段代码在最有情况下的时间复杂度，一段代码在最差情况下的时间复杂度，O(1),O(n),平均时间复杂度一般与最坏持平，在特殊场景下分析(最好最坏都一样)，一般用不到平均时间复杂度
非多项式时间复杂度：O（2^n），O（n!）,当n越来越大的时候，这两者的时间复杂度会急剧增长，因此算法复杂度是以上两者之一
的算法时效率很低
空间：算法运行时占用的空间大小
S(n)=O(f(n)), ( O(1),O(n) 包括几乎所有空间复杂度的情况)
O(n):关注最大开辟的空间，譬如一次new来开辟新的数组，数组里一个元素，n个元素，取O(n)