课前复习：
二分查找 时间复杂度（O(N))
空间复杂度：范围最大的长度
复杂度：粗略衡量算法好坏的刻度尺（工具）
两个维度：快慢 时间复杂度（重点）
使用空间的情况 空间复杂度
时间复杂度：直接利用允许时间衡量不现实，测试环境多变，不好控制变量
前提：如果指定cpu的情况下，单位时间内运行的基本指令个数是固定的
如果一个算法需要的指令比另一个算法需要的指令个数小，就可以推出算法A运行的时间更快
前提：算法计算的快慢和输入的数据的规模是有关系的
粗略计算算法的快慢：
n:数据的规模
f（n）: n的数据规模情况下，需要的大概基本指令个数
引入大O渐进表示法：
1.只保留最高次项
2.保留的最高次项系数化为1
f(n)=2n+10
表示为O(n)
算法的快慢还和最好的情况，平均的情况，最好的情况
一般优先关注最坏的情况，其次平均情况，最好情况关注比较少
时间复杂度是o(log(n)) n 1000 1000 000 10亿 o(n) 1000 1000 000 10亿 o(log(n)) 10 20 30 常见的时间复杂度o(1) o(log(n)) 0(n) o(n*log(n)) o(n^2)
空间复杂度： o(f(n)) 在输入n规模下的情况下，算法需要的最大的空间情况 1‘开辟数组 2.画调用栈
考虑 数组容量(array.length)和已有数据个数（size)的关系 1.容量是够用的size<array.length 2.容量不够用 搬家（1.5、2倍） int newCapacity=array.length*2; 1.找新家; int[] newArray=new int[newCapacity] 2.搬家 for(int i=0;i<size;i++){ newArray[i]=array[i]; } 3.发朋友圈 this.array=newArray; 4.老房子退掉 原来的数组对象，没有引用指向，变成垃圾 扩容的空间越小，空间的浪费越小 扩容的空间越大，需要扩容的频率越小 经验值1.5或者2倍
