吃土记：之前理解时间复杂度计算方式是错误的

   a=0;
   b=1;                     ①
   for (i=1;i<=n;i++) ②
   {  
      s=a+b;    ③
      b=a;     ④  
      a=s;     ⑤
   }

   语句1的频度：1,        
   语句2的频度：n,        
   语句3的频度：n,        
   语句4的频度：n,    
   语句5的频度：n,

         T(n) = 1+4n
         f(n) = n
         lim(T(n)/f(n)) = 1*(1/n) + 4 = 4
        
         T(n) = O(n)

   for (i=1;i<n;i++)
   { 
       y=y+1;        ①   
       for (j=0;j<=(2*n);j++)    
          x++;        ②      
   }  

method6(int n){
    while((n=n/2)>0){
        System.out.println("葵花宝典");
    }
}
/*
假如：n=8 ; 8/2=4 执行1次；4/2=2 执行1次；2/2=1 执行1次；1/2=0.5=0 执行判断后，不进入循环体。
    所以循环体执行3次，判断执行3+1次；2^3=8---->log2(8)=3
    n=16 ; 16/2=8 执行1次；8/2=4 执行1次；4/2=2 执行1次；2/2=1 执行1次；
    所以循环体执行4次，判断执行4+1次；2^4=16---->log2(16)=4

    所以时间复杂度：log2(n)+(log2(n)+1) = 2log2(n)+1
    log2(n):循环体内执行次数，(log2(n)+1):判断语句执行次数
*/

method1: 1+1+1 = 3   即O(1)
method2: 1+(5+1)+5+5 = 17   即O(1)

method3: 3n+2   即O(n)

method4: 3n^2+4n+2   即O(n^2)
method5: 49n+2   即O(n)

method6: 2log2(n)+1   即O(logn)

method7: 2log5(n)+1   即O(logn)

method8: 2nlog2(n)+4log2(n)+2   即O(nlogn)

method9: 2n+2+4*((1/2)n^2+(1/2)n)+1   即O(n^2)

** 如何在O(n)的时间复杂度内查找一个无序数组中的第K个大元素？
*  第一次分区查找，我们需要对大小为 n 的数组执行分区操作，需要遍历 n 个元素。
* 
* 第二次分区查找，我们只需要对大小为 n/2 的数组执行分区操作，需要遍历 n/2 个元素。
* 
* 依次类推，分区遍历元素的个数分别为、n/2、n/4、n/8、n/16.

* ……直到区间缩小为 1。
*  如果我们把每次分区遍历的元素个数加起来，就是：n+n/2+n/4+n/8+…+1

  * 这是一个等比数列求和，
* 
* 最后的和等于 2n-1。
所以，上述解决思路的时间复杂度就为 O(n)。