1、为什么要进行算法分析？因为如果提前知道算法的开销，那么就可以参考这个分析做出决策。如果时间复杂度太大，可以不急着写出来。
2、为什么要统计基本操作数量？因为统计基本操作，可以排除机器速度的影响因素，衡量算法本身的优劣度。
3、基本操作要严格定义吗？不需要，可以具体情况灵活处理。
4、同阶是什么意思？可以理解成增长情况相同。对于得到的式子，通过去除系数，只保留最高阶得到的式子叫做算法的渐近时间复杂度，通过这个来衡量随着基本操作数增加，算法时间复杂度的增长情况。
5、渐近时间复杂度能作为决定因素吗？不能，因为渐近时间复杂度忽略了很多的因素，因此只能作为参考，但是又因为抓住了主要矛盾，即基本操作数，这样得到的分析结果常常有非常有用。
6、渐近时间复杂度和实际情况同阶，称这个上界是紧的上界。否则是松的。
7、分治法的步骤是什么？
(1)划分问题:将问题划分为子问题
(2)递归求解:递归求解子问题
(3)合并问题:通过合并子问题的解来的到问题的解。
8、算法分析可以忽略”除法是否为整数”。而按照实数除法分析，这样近似的对最终结果影响小，一般不会改变时间复杂度。
9、为什么将m = x + (y - x) / 2？因为这样得到区间比较自然，[x, m) [m, y],而不需要在某个地方减一，加一。
10、算法中除法是向0取整的，5/2 = 2， -5 / 2 =-2，通过x + (y - x) / 2，保证区间分界点总是向区间起点靠近的。
11、正确对待时间复杂度？机器1s内完成的运算是1^8。时间复杂度和机器速度的关系。
多项式时间复杂度能解决的问题规模大，在机器速度增加后，多项式时间复杂度增加的也明显。
而指数时间复杂度能解决的问题规模小，在机器速度增加后，速度增加的缓慢不明显。因此称作多项式时间复杂度为有效算法，而n!和2^n之类的为指数时间复杂度。
上界时间复杂度分析有两个不精确性.1、低次项和高次项的系数的非主流影响，2、对硬件和程序时间细节的依赖,例如对表达式的优化，以及吧内存访问变得更加”cache友好”。
算法实际能解决的问题规模和表中有差距，但是还能作参考。
12、