一、时间复杂度
时间复杂度是评价一个算法好坏的标准；假如一个操作和数据量没有关系，每次都是固定时间内完成的操作，叫做常数操作。而时间复杂度经常用常数操作的时间作为指标，用big O来表示，具体来说，不要低阶项，不要常数项，去掉高阶项系数，剩下的如果是f(N)，则此算法时间复杂度记为O(f(N))。
对一个算法而言，首先分析其时间复杂度，接着在分析由于不同数据样本下的运行实际时间（例如：选择排序）。
理解时间复杂度-冒泡排序
冒泡排序在实际应用中虽然越来越少，但是拿它做例子可以很好的理解算法的时间复杂度。
假设一个数组的长度是L，排序次数是i，冒泡排序经过2次循环实现，对于外层的循环而言，每次都要和剩下的（L - i）个数组比对，所以是L + （L-1） + （L-2） + ...+1，是等差数列，最高阶项是平方项，按照约定，冒泡排序的时间复杂度就是O(N^2)。
二、递归
2.1、递归本质
递归是自己调用自己的过程（老师讲的），系统中递归是不断压栈（每次压栈就会记录本次的每个变量的具体信息，程序运行行号等等等），最后弹栈的过程。
一般而言递归都是包含：（1）终止条件；（2）调用自己的过程；（3）常数操作的过程（例如归并排序？）
2.2、递归时间复杂度计算
master公式： T(N) = a*T(N/b) + O(N^d)
第一部分：递归被分为几个过程；第二部分：常数操作的过程
1) log(b,a) > d -> 复杂度为O(N^log(b,a))
2) log(b,a) = d -> 复杂度为O(N^d * logN)
3) log(b,a) < d -> 复杂度为O(N^d)
具体例子可以参考归并排序
2.2、理解递归概念例子
归并排序 O(N*logN)
小数问题
逆序对问题