时间复杂度
O(1)，O(n)，O(n^2)这三个什么意思啊？
谁能用通俗的语言描述一下，最好配代码说明，3Q~~~
[解决办法]
楼主学过数学吧？O(1)，你可以理解为y=c(c为常数),这样的复杂度是不随x的变化而改变的。
O(n)你就理解成y=x咯，复杂度是随着x的增长成线性增加的。
同理，O(n^2)可以理解成y=x^2,复杂度随着x的增长成二次函数增加。
当n比较大（在具体的项目中一般都比较大），O(1)，o(n),o(n^2)三者的复杂度关系是：
O(1)<o(n)<o(n^2)
应该书上有更具体的解释，楼主再参照下书上的吧
[解决办法]
简单来讲，O(1)是指常数时间的复杂度，比如：for(int i = 0; i < 5; i++)这个循环，是常数时间内的复杂度，所以其时间复杂度为O(1)。
O(N)是线性时间的复杂度，比如：for(int i = 0; i < n; i++)这个循环，具体的执行次数和n相关。
O(N^2)是多项式时间的复杂度，比如：
for(int i = 0; i < n; i++) {
for(int j = 0; j < i; j++)
}
这种循环嵌套的执行次数和N^2相关。
这三者的关系是：O(1) < O(N) < O(N^2)
希望对你有所帮助。
[解决办法]
O(1)哈希查找，索引查找
O(n)遍历查找，有序数组可以优化成O(logN)折半查找,也可以优化为O(1)哈希查找
O(n^2)冒泡排序，可以优化为快速排序O(n*logN)分治思想
以上是算法的精髓和基本，掌握这些，才能继续。
[解决办法]
O(1)，你可以理解为y=c(c为常数),这样的复杂度是不随x的变化而改变的。
O(n)你就理解成y=x咯，复杂度是随着x的增长成线性增加的。
同理，O(n^2)可以理解成y=x^2,复杂度随着x的增长成二次函数增加。
当n比较大（在具体的项目中一般都比较大），O(1)，o(n),o(n^2)三者的复杂度关系是：
O(1)<o(n)<o(n^2)
应该书上有更具体的解释，……
简单的说：
O(1) ： 不用循环
O(n) ： 一个循环
O(n^2)：嵌套循环
[解决办法]
O(1)的算法，就是算法执行完需要的时间与问题规模无关，是一个常数
O(n)的算法，就是算法执行完需要的时间与问题规模成正比
O(n^2)的算法，就是算法执行完需要的时间与问题规模的平方成正比
三者比较，从时间开销上来说，O(1)的算法最好，O(n^2)的算法最差。
拿排序算法举例，如果要排序的数字从n＝10增长到n=10000，那么O(1)的算法运行的时间不会随着增加，但O(n)的算法执行的时间就线性增加了，而O(n^2)的算法的执行时间就平方级增加了。
比较下来O(1)算法的执行效率最高，O(n^2)算法的执行效率最差
[解决办法]
Big O notation:算法执行时间的上界。T(n)=O(f(n))，存在常数c,当n足够大时，T(n)<c*f(n)
