算法运行时间分析
时间复杂度：O(n)
注意Ｏ(n)是用估计的方式,涉及极限的定义,假设摸个程序的语句执行次数为
例如:
| 描述 | 增长量级 | 典型代码 | 说明 | 举例 |
| 常数级别 | 1 |
| 普通语句 | 两数相加 |
| 对数级别 |  |
| 二分策略 | 二分查找 |
| 线性级别 | N |
| 循环 | 自增 |
| 线性对数级别 |  |
| 分治 （固定次数内部出现二分策略） | 归并排序 |
| 平方级别 |  | 二重循环,懒得写了 | 二重循环 | 二维数组的遍历 |
| 立方级别 | | 三重循环,懒得写了 | 三层嵌套 | 三维数组的遍历 |
| 指数级别 |  | 穷举算法,基本暴力算法都是,最典型的是RSA大数因式分解,到了这个级别的基本就GG了,但很多问题似乎只能用这个 | 穷举查找 | RSA质因数分解
|
其他评估：
- 可行性（先进行算法评估，能否实现，运行时间是否满足要求）
- 计算机本身性能（尽量使用更快的计算机）
- 大常数（因为O(n)是极限的思想，但算法的运行时间必须有限，这时候有可能出现常数对算法的影响不亚于高阶增长，不能舍弃,其他项亦然）
- 非决定性的内循环（存取数据需要时间等等）
- 指令时间
- 系统因素（多任务）
- 应用场景（不同的场景，不同算法优劣性不同）
- 输入输出依赖（因为输入输出耗时）
- 多问题参量（还有其他额外条件限制）
其他：
- 最坏情况和最好情况（上下界）
- 随机化算法
- 操作序列
- 均摊分析
