文章小结：
1.算法时间复杂度是什么
官方定义：算法在编写成可执行程序后，运行时所需要的资源，资源包括时间和内存。
解读：可执行程序运行所需要时间的一个量化指标。例如O(1)，常量级。
2. 常见的时间复杂度
- O(1) ：常量级
- O(n)：线性
- O(logn)：对数
- O(nlogn)
- O(n^2)：平方
- O(k^n)：指数级
- O(n!)：阶乘级别
3.如何判断代码的算法时间复杂度
首先我们假设执行一行代码需要的时间为1， 判断代码时间复杂度就是是看算法执行次数和n的关系。
例如：下面代码的时间复杂度为O(1)
String dogName = "小黄";
Systerm.out.print("this is a dog " + dogName);
例2: 下面代码片段中，代码执行次数为n，代码时间复杂度为O(n)。
for (int i=0; i<n; i++) {Systerm.out.print("get num " + i); }
4.如何快速判断代码时间负载度。
想要快速判断代码片段时间负载度有两个方法，记忆和公式。这里我们仅讨论记忆，记住代表性的模板就可以快速判断时间复杂度
// 时间复杂度：O(1) int a = 1; int b = 2; Systerm.out.print("sum is" + (a+b));// 时间复杂度：O(n) for (int i=0; i<n; i++) {Systerm.out.print("get num " + i); }// 时间复杂度：O(n^2) for (int j=0; j<n; i++) {for (int i=0; i<n; i++) {Systerm.out.print("get num " + (i+ j));} } // 时间复杂度：O(logn) for (int i=0; i<n; i=i*2) {Systerm.out.print("get num" + i); }// 时间复杂度：O(2^n) int fib(int n) {if (n<=2) return n; return fib(n-1) + fib(n-2); }
O(1)、O(n)、O(n^2) 相对比较容易理解，这里不在赘述。
分析下O(logn)是怎么得到的。 2^0 = 1 2^1 = 2 2^2 = 4 ..... 2^k = n; 所以需要执行k次。k=log2n，系数可以忽略所以时间负载度为 O(logn)。
通过图例解释下O(k^n)指数级算法负载度
5.延展内容。如何刷题（LeetCode）
区分业余和职业的最大区别在于是否有专项联系。比如乒乓球运动员，专项发球练习，接球练习等等等。刷法也是一样，不能只做一遍，针对弱项要多练。
- 做题方法
- 多看几遍题，或者和面试官去恩人，确保自己的理解是正确的。
- 想所有可能的解题方法，同时比较时间和空间复杂度。
- 做题
- test case
- 切题方法
- 第一遍
- 5分钟。读题+思考。
- 直接看答案。注意多解法，对比。
- 背诵+默写好的答案。
- 第二遍
- 马上默写背诵的答案-->提交LeetCode (寻找反馈)
- 多种解法对比体会。
- 第三遍
- 24小时后重新做一遍
- 针对不同解法的不熟练的要专项练习
- 第四遍
- 一周后反复练习相同的题目
- 第五遍
- 面试前反复练习
- 第一遍
