基本的计算步骤
    时间复杂度的定义
    一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T（n）表示，若有某个辅助函数f（n），使得当n趋近于无穷大时，T（n）/f（n）的极限值为不等于零的常数，则称f（n）是T（n）的同数量级函数。记作T（n）=O（f（n）），称O（f（n））为算法的渐进时间复杂度（O是数量级的符号 ），简称时间复杂度。
    根据定义，可以归纳出基本的计算步骤
    1. 计算出基本操作的执行次数T（n）
    基本操作即算法中的每条语句（以；号作为分割），语句的执行次数也叫做语句的频度。在做算法分析时，一般默认为考虑最坏的情况。
    2. 计算出T（n）的数量级
    求T（n）的数量级，只要将T（n）进行如下一些操作：
    忽略常量、低次幂和最高次幂的系数
    令f（n）=T（n）的数量级。
    3. 用大O来表示时间复杂度
    当n趋近于无穷大时，如果lim（T（n）/f（n））的值为不等于0的常数，则称f（n）是T（n）的同数量级函数。记作T（n）=O（f（n））。
    一个示例：
    （1） int num1, num2;
    （2） for（int i=0; i<n; i++）{
    （3）     num1 += 1;
    （4）     for（int j=1; j<=n; j*=2）{
    （5）         num2 += num1;
    （6）     }
    （7） }
    分析：
    1.
    语句int num1, num2;的频度为1;
    语句i=0;的频度为1;
    语句i<n; i++; num1+=1; j=1; 的频度为n;
    语句j<=n; j*=2; num2+=num1;的频度为n*log2n;
    T（n） = 2 + 4n + 3n*log2n
    2.
    忽略掉T（n）中的常量、低次幂和最高次幂的系数
    f（n） = n*log2n
    3.
    lim（T（n）/f（n）） = （2+4n+3n*log2n） / （n*log2n）
    = 2*（1/n）*（1/log2n） + 4*（1/log2n） + 3
    当n趋向于无穷大，1/n趋向于0,1/log2n趋向于0
    所以极限等于3.
    T（n） = O（n*log2n）
    简化的计算步骤
    再来分析一下，可以看出，决定算法复杂度的是执行次数最多的语句，这里是num2 += num1,一般也是最内循环的语句。
    并且，通常将求解极限是否为常量也省略掉？
    于是，以上步骤可以简化为：
    1. 找到执行次数最多的语句
    2. 计算语句执行次数的数量级
    3. 用大O来表示结果
    继续以上述算法为例，进行分析：
    1.
    执行次数最多的语句为num2 += num1
    2.
    T（n） = n*log2n
    f（n） = n*log2n
    3.
    // lim（T（n）/f（n）） = 1
    T（n） = O（n*log2n）
    --------------------------------------------------------------------------------