时间复杂度：代码随数据规模增长的变化趋势

分析时间复杂度的方法：

1.只关注循环执行次数最多的一段代码

2.加法法则：总复杂度等于量级最大的那段代码的复杂度

3.乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

空间复杂度：表示算法的存储空间和数据规模之间的关系

思考题：

function total(n){var sum = 0;for(var i=1;i<=n;i++){sum+=i;}return sum;}

 

该求和算法的时间复杂度为T(n)=O(n);空间复杂度S(n) = O(1);

优化为时间复杂度为T(n)=O(1);

高斯算法闪亮登场：

function total(n){var sum = n*(n+1)/2return sum;}