应用大O标记来考量优化算法开发的高效率，是以便处理某一难题开发设计一个数学课步骤。算法分析是预测分析一个优化算法的特性。

应用大O标记来考量优化算法开发的高效率，大O标记标识能够根据键入的尺寸获得一种考量优化算法时间复杂度的涵数。能够 忽视涵数中的倍乘变量定义和非核心项。其实质是较为优化算法中间的年增长率。针对一个线形搜索的优化算法，其时间复杂度表明方式为O(n)，读作“n阶”。

-最好状况键入：造成最短实行時间的键入

-最烂状况键入：造成最多实行時间的键入，能够明确优化算法不容易比最烂状况还慢

剖析一般对于最坏状况开展。大O标记容许忽视非核心一部分(比如，关系式n-1中的-1)，并注重关键一部分(比如，关系式n-1中的n)，因而，该优化算法的复杂性为O(n)。假如实行時间与键入经营规模不相干就称该优化算法消耗了变量定义時间，用标记O(1)表明。

1+2+3+…+(n−2)+(n−1)=n(n−1)2=O(n2)

a0+a1+a2+…+an=an+1−1a−1=O(an)

备注名称：时间复杂度是应用大O标识对运作時间开展精确测量。相近的，还可以应用大O标识对空间复杂度开展精确测量。

剖析优化算法的时间复杂度，二分查找优化算法，每一次迭代更新包括固定不动频次的实际操作，频次由c来表明，无失一般性，假设n是2的幂,选用递推公式求出。T(n)=T(n2)+c=T(n22)+2+2=T(n2m)+kc，当递推到最后一个原素时，前一部分为T(1)，k=logn，T(n)=T(1)+clogn=O(logn)；常见的递推关联，递推关联针对剖析优化算法时间复杂度十分有效，常见的递推关联以下报表,其时间复杂度的递推方式与二分查找优化算法方式同样线下推广关联，結果实例

T(n)=T(n/2)+O(1)

T(n)=O(logn) 二分查找，欧几里得求出最大公约数

T(n)=T(n−1)+O(1)

T(n)=O(n) 线形搜索

T(n)=2T(n/2)+O(1)

T(n)=O(n)

T(n)=2T(n/2)+O(n)

T(n)=O(nlogn) 归并排序

T(n)=T(n−1)+O(n)

T(n)=O(n2) 选择排序

T(n)=2T(n−1)+O(1)

T(n)=O(2n) 汉诺塔

T(n)=T(n−1)+T(n−2)+O(1)

T(n)=O(2n)

递归的斐波那契优化算法

较为常见的提高涵数，涵数提高发展趋势，涵数提高发展趋势

应用大O标记来考量优化算法开发的高效率，大O标识是剖析优化算法特性的基础理论方式。他估算优化算法的实行時间伴随着键入经营规模的提升会出现多快的提高。因而，能够 根据查验2个优化算法的年增长率来较为她们。最好状况和最烂清除也不具备象征性，可是最烂状况剖析十分有效。你能保证优化算法始终不容易比最烂状况还慢