是时候开始介绍算法的时间复杂度了，不过在这开始之前，我们需要了解一些额外的知识，那就是函数的渐近增长.先来说说它的概念:给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n>N,f(n)总是比g(n)大,那么，就说f(n)的增长渐近快于g(n).
这里不详细说这个概念，想要了解的朋友们可以去找找数学书，我数学学得不太好，所以,呵呵.....再这里我们需要知道的是通过数学中的这么一个概念，我们能得出一个结论:判断一个算法的效率时,函数中的常数和其他次项常常可以忽略，而更应关注主项(即最高阶项)的阶数.
接下来我们切入正题.那么，什么是算法的时间复杂度呢?简而言之,就是算法执行时间的增长率.它随着问题规模的n越大,会与问题规模n的某个函数的增长率相同.
习惯上，我们会用推导大O阶的方法来比较时间的复杂度:
1,用常数1取代运行时间中的所有加法常数
2,在修改后的运行次数函数中，只保留最高阶项
3,如果最高阶项存在且不是1,则去除与这个项相乘的常数.
其中，常见的有常数阶O(1),线性阶O(n),对数阶O(logn),平方阶O(n的平方)
当然，有时间复杂度就会有空间复杂度，不过这个问题我们不去讨论。
接下来，我们对这一章作个总结:
这一章主要讲解的还是算法的基本概念,包括算法的定义，特性，设计要求，度量方法和时间复杂度的判断.
