1.算法时间复杂度:Ω-Θ-T(自下而上)
大 O 记号
如果存在正常数 a、 N 和一个函数 f(n)，使得对于任何 n > N，都有
T(n) < a × f(n)我们就可以认为在 n 足够大之后， f(n)给出了 T(n)的一个上界。对于这种情况，我们记之为
T(n) = O(f(n))这里的 O 称作“大 O 记号（ Big-O notation）”。
大Ω记号
如果存在正常数 a、 N 和一个函数 g(n)，使得对于任何 n > N，都有
T(n) > a × g(n)我们就可以认为在 n 足够大之后， g(n)给出了 T(n)的一个下界。对于这种情况，我们记之为
T(n) = Ω(g(n))这里的Ω称作“大Ω记号（ Big-Ω notation）”。
大Ω记号与大 O 记号正好相反，它是对算法执行效率的一种乐观估计⎯⎯对于规模为 n 的任意
输入，算法的运行时间都不会低于Ω(g(n))。
Θ记号
如果存在正常数 a<b、 N 和一个函数 h(n)，使得对于任何 n > N，都有
a × h(n) < T(n) < b × h(n)我们就可以认为在 n 足够大之后， h(n)给出了 T(n)的一个确界。对于这种情况，我们记之为
T(n) = Θ(h(n))Θ记号是对算法执行效率的一种准确估计⎯⎯对于规模为 n 的任意输入，算法的运行时间都与
Θ(h(n))同阶。