今天的目标：1：能说出什么是数据结构，什么是算法2：能说出大O时间复杂度是怎么得来的3：能说出时间复杂度是多少一个分析原理和实际应用4：可以说出几种常见的时间复杂度O(1),O(n),O(logn),O(n*logn)5：可以理解空间复杂度分析方法1.概念虽然概念很空，概念还是要介绍一下：数据结构是指一组数据的存储结构，算法是操作数据的方法。要运走它，您是要找汽车还是卡车来运它？这是数据结构的范畴，选择什么样的结构进行存储；至于装货的时候是把货物堆在一起还是分开，这是算法的范畴，如何摆放货物效率更高，更节省空间。数据结构和算法看似是两个东西，为什么要把它们放在一起呢？那是因为数据结构和算法是相辅相成的。数据结构为算法服务，算法作用于特定的数据结构。因此，我们不能脱离数据结构来谈算法，也不能脱离算法来谈数据结构。.想要学习数据结构和算法，首先要掌握数据结构和算法中最重要的概念：复杂度分析2.复杂度分析。数据结构和算法解决的是“快”和“省”的问题，即如何让代码运行得更快，如何让代码节省存储空间。因此，执行效率是一个非常重要的考量指标。如何衡量代码的执行效率，就是我们所说的：时间和空间复杂度分析。为什么要做复杂性分析？1：与性能测试相比，复杂性分析具有不依赖执行环境、成本低、效率高、易操作、指导性强等特点。2：掌握了复杂度分析，你将能够编写出性能更好的代码，有助于降低系统开发和维护成本。2.1.大O复杂度记法算法的执行效率，粗略的说就是算法代码的执行时间，那么不直接运行代码如何粗略计算出执行时间呢？在IDEA中创建一个普通的java项目：algo-pro在项目中创建一个类：com.iheima.complexity.ComplexityAnalysis(1)先看一小段代码，问：1,2,3,4……n累加和/***求1~n的累加和*@paramn*@return*/publicintsum(intn){intsum=0;for(inti=1;i<=n;i++){sum=sum+i;}returnsum;}假设每行代码的执行时间都是一样的：timer，那么这段代码的执行时间是多少：(3n+3)timer，由此可以看出，执行时间T所有代码的(n)与代码执行次数成正比。(2)按照这个思路，我们看下面这段代码publicintsum2(intn){intsum=0;for(inti=1;i<=n;++i){for(intj=1;j<=n;++j){sum=sum+i*j;}}returnsum;}同样，这段代码的执行时间为：(3n^2+3n+3)*timer所以有一个重要的结论：代码的执行时间T(n)与总执行次数，我们可以把这个规律总结成一个公式。T(n)=O(f(n))说明：T(n)表示代码的执行时间，n表示数据规模的大小，f(n)表示代码执行的总次数，这是一个公式，所以使用f(n)意味着O意味着代码执行时间与f(n)成正比，所以在第一个例子中T(n)=O(3n+3)，在第一个例子中T(n)=O第二个例子（3n^2+3n+3），这是大O时间复杂度的表示法大O时间复杂度其实并不具体代表代码的真实执行时间，而是代表代码执行时间随时间的变化趋势数据规模的增长，因此也称为渐近时间复杂度，简称时间复杂度。当n很大时，公式中的低阶、常量、系数三部分不影响其增长趋势，可忽略不计。我们只需要记录一个最大幅度。因此，如果用大O来表示正好时间复杂度可以记为：T(n)=O(n),T(n)=O(n^2)2.2。复杂度分析方法的一般复杂度分析规则如下：(1)最大循环原则大O复杂度记号只代表一种变化趋势。公式中的低位、常量、系数部分不影响其增长趋势，可忽略不计。我们只需要记录一个最大幅度。因此，在分析一个算法或一段代码的时间复杂度时，只需关注循环执行次数最多的那段代码即可。(2)加法原理请分析以下代码的时间复杂度：publicintsum3(intn){intsum_1=0;诠释p=1;对于(;p<=100;++p){sum_1=sum_1+p;}intsum_2=0;intq=1;对于(;q
