算法性能分析概念

算法性能描述
	1.时间复杂度
	2.空间复杂度

时间复杂度：
	用一个算法需要的基本操作数量来描述该算法的性能
	基本操作数通常被描述为问题规模的函数。
	
基本操作：
	一些基础的操作，如运算符操作：i = 5, i*3, 或者排序算法中的交换swap(a,b)，都可看作基本操作。

基本操作的函数:T(n)	
	n是问题规模，T(n)是基本操作数的函数。


有名的渐近分析：令输入规模无限大，站在极限的角度看算法。
	思想：当n趋于无穷时，用另一个常用函数来描述目标函数的行为。
	(用于描述目标函数的简单函数，通常是我们常用的函数。)
	
原则:
	1.大规模，渐近分析(小规模的问题即使算法不怎么样也能很快执行)
	2.不关心常数因子和低阶项
	3.最坏情况，平均情况，(最好情况则不重要)。
	
渐近分析点：
	1.有名的渐近分析
	2.渐进分析标记法
	3.常用渐近时间复杂度
		多项式，对数，指数，阶乘
	
算法的渐近分析来源于数学渐近分析：
	数学的渐进分析常用标记5种：
		大O标记：渐近上界 <= (2个函数数量级关系)
		omega标记：渐近下界 <= (2个函数数量级关系)
		theta标记：渐近紧确界 = (2个函数数量级关系)
		小o标记：非渐近紧确上界 < (2个函数数量级关系)
		w标记：非渐近紧确下界 > (2个函数数量级关系)
		
	算法分析中：我们关注的是算法的渐近上界和紧确界，常用大O标记和theta标记。