的元素在内存中不是顺序存储的，而是通过存在元素中的指针联系到一起。如：上一个元素有个指针指到下一个元素，以此类推，直到最后一个元素。如果要访问链表中一个元素，需要从第一个元素开始，一直找到需要的元素位置。但是增加和删除一个元素对于链表数据结构就非常简单了，只要修改元素中的指针就可以了。从上面的比较可以看出，如果需要快速访问数据，很少或不插入和删除元素，就应该用数组；相反，如果需要经常插入和删除元素就需要用链表数据结构了。算法的时间复杂度
算法复杂度分为时间复杂度和空间复杂度。其作用：时间复杂度是度量算法执行的时间长短；而空间复杂度是度量算法所需存储空间的大小。
常用的算法的时间复杂度和空间复杂度排序法最差时间分析
2
平均时间复杂度
2
稳定度稳定
空间复杂度
冒泡排序
O
2
O

O1
快速排序选择排序二叉树排序插入排序
O
O
O
O
O
log2
O
222
O
log2
O
O
log2
O
O
log2
O
22
不稳定稳定不稳定稳定不稳定不稳定
Olog2
O
O1O
O1O1O1
堆排序希尔排序
平均算法复杂度计算比较复杂，可按如下三个步骤进行：1将所有的输入按其执行时间分类
f2确定每类输入发生的概率3确定每类输入的执行时间4按概率公式，求平均时间复杂度
1、时间复杂度（1）时间频度一个算法执行所耗费的时间，从理论上是不能算出来的，必须上机运行测试才能知道。但我们不可能也没有必要对每个算法都上机测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T
。（2）时间复杂度在刚才提到的时间频度中，
称为问题的规模，当
不断变化时，时间频度T
也会不断变化。但有时我们想知道它变化时呈现什么规律。为此，我们引入时间复杂度概念。一般情况下，算法中基本操作重复执行的次数是问题规模
的某个函数，用T
表示，若有某个辅助函数f
使得当
趋近于无穷大时，T（
f
的极限值为不等于零的常数，则称f
是T
的同数量级函数。记作T
Ｏf
称Ｏf
为算法的渐进时间复杂度，简称时间复杂度。在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O1另外，在时间频度不相同时，时间复杂度有可能相同，如T
23
4与T
4
22
1它们的频度不同，但时间复杂度相同，都为O
2r