新技术的不断出现，使得程序猿们十分的焦虑，工作的单一让学到的新技术无法得到实质的实践，万变不离其宗，准备把数据结构和算法做一个系列博客的学习，分享他人也是学习的记录！

  大  O时间时间复杂度：

  T（n）=O（f（n）），O表示时间复杂度和代码运行次数有关系，可知的常量的系数是可以不考    虑的、O表示只和代码的运行次数成正比；一般情况下，只要算法中不存在循环语句、递归语句， 即使有成千上万行的代码，其时间复杂度也是Ο(1)

  加法法则：取并列代码的 最大复杂度，如O（1）和O（2）取O（2）。

  乘法法则：f1嵌套了f2 其复杂度为 O（f1*f2）

  常见的时间复杂度：

  1. O(1)：复杂度是已经知道的，不随未知N 的增大而增大

  2. O(m+n)、O(m*n) ：不同代码块组成的复杂度，不能像加法那样可以省略，乘法还是适用用的；

2. O(logn)、O(nlogn)： 对数阶时间复杂度，就是开方的次数

空间复杂度：

就是函数所占用计算机的空间：表示算法的存储空间与数据规模之间的增长最好时间复杂度：常见的有O（1），代码最少的运行次数

最坏时间复杂度：代码最多运行次数，O（n）

平均复杂度：所有可能发生的次数的概率相加 除以 总的可能性

均摊时间复杂度：有规律的平均复杂度、这种情况也只有在有规律的特性下能用到：很少用到，