算法：解决问题使用的一种策略（其实就是策略），算法的优劣则要用空间复杂度与时间复杂度来衡量。算法分析其实就是统计所需的资源（花费时间，占用内存）。常见的如：递归法(调用自身;需有一个递归结束条件，称为递归出口。)，穷举法(暴力破解法,逐个推算)，迭代法(迭代法也称辗转法，是一种不断用变量的旧值递推新值的过程，切线求根，近似求解)。
时间复杂度 T（n）=O（f（n））算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。
空间复杂度 S(n)=O(f(n))算法的空间复杂度是指运行完一个程序所需内存的大小。
数量级：1，log(2)n，n，n log(2)n ，n的平方，n的三次方，2的n次方，n!
容易计算的方法是:看看有几重for循环，只有一重则时间复杂度为O(n)，二重则为O(n^2)，依此类推，如果有二分则为O(logn)，二分例如快速幂、二分查找，如果一个for循环套一个二分，那么时间复杂度则为O(nlogn)。
算法的稳定性：
选择排序、快速排序、希尔排序、堆排序不是稳定的排序算法
冒泡排序、插入排序、归并排序和基数排序都是稳定的排序算法
排序算法的稳定性大家应该都知道，通俗地讲就是能保证排序前两个相等的数据其在序列中的先后位置顺序与排序后它们两个先后位置顺序相同。
再简单具体一点，如果A i == A j，Ai 原来在 Aj 位置前，排序后 Ai 仍然是在 Aj 位置前。
常见时间复杂度:
O(log2n )
i=1;
while(i<=n)
i=i*2;
其中设i=i*2;这句的频度为f(n)：从1开始乘，每次乘二，乘到N需要几次呢？因为2^(log<2>N)＝N，所以循环体内语句执行了log<2>N次。
O(1)
Temp=i;i=j;j=temp;
O(n^2)
for(i=1;i<=n;i++)
for(j=1;j<=n;j++)
或
for(i=1;i<=n;i++)//循环了(n+n-1+n-2+...+1)≈(n^2)/2，因为时间复杂度是不考虑系数的，所以也是O(n^2)
for(j=i;j<=n;j++)
O(n)
for(i=1;i<=n;i++) {
}
O(n^3)
for(i=0;i<n;i++)
{
for(j=0;j<i;j++)
{
for(k=0;k<j;k++)
x=x+2;
}
}
