评价算法优劣的两个重要指标：
1，空间复杂度 S(n)。（Space）依据算法写成的程序在执行时占用的存储单元的长度。
2，时间复杂度 T(n)。（Time）依据算法写成的程序在执行时耗费的时间长度。
复杂度的渐进表示法
我们不需要对算法的复杂度做十分精细的计算，随着处理的数据规模的增大，很多时候只需要关心算法复杂度增长的情况。比如T(n) = n² + n，当 n 够大时， T(n) 就等于 n 了。
T(n) = O(f(n)) 表示，对于充分大的 n 时，O(f(n)) 就是 T(n) 的上界。
T(n) = Ω(g(n)) 表示，对于充分大的 n 时，O(f(n)) 就是 T(n) 的下界。
T(n) = θ(h(n)) 表示，对于充分大的 n 时，O(f(n)) 与 T(n) 等价（即是上界，也是下界）。
算法复杂度分析
1，若两段算法分别有复杂度 T1(n) = O(f1(n)) 和 T2(n) = O(f2(n)) ，则：
T1(n) + T2(n) = max(O(f1(n)) ,O(f2(n)) )
T1(n) × T2(n) = O(f1(n)) × O(f2(n))
2，若 T(n) 是关于 n 的 k 阶多项式，那么 T(n) = θ(n(k))，即阶次最大的就是复杂度。
3，for 循环的时间复杂度等于循环次数乘以循环体内代码的复杂度。如果循环嵌套，则相乘。
4，if – else 结构的复杂度取决于各个条件里复杂度最大的那个。