大O表示法_时间复杂度

1. 引入原因：用另一个（通常更简单的）函数来描述一个函数数量级的渐近上界。

2. 定义：如果一个问题的规模是n，解这一问题的某一算法所需要的时间为T(n)，它是n的某一函数。T(n)称为这一算法的“时间复杂度”。

3. 某个算法的复杂度到达了这个问题复杂度的下界，那就称这样的算法是最佳算法

4. 决定算法复杂度的是执行次数最多的语句

5. 复杂度与时间效率的关系：

   c < log2n < n < n*log2n < n2 < n3 < 2n < 3n < n! （c是一个常量）
   |————————–|————————–|————-|
   较好 一般 较差

   1. 几个特殊情况的复杂度
      1.并列循环的复杂度分析
      将各个嵌套循环的时间复杂度相加

例如：
for (i=1; i<=n; i++)
x++;
for (i=1; i<=n; i++)
for (j=1; j<=n; j++)
x++;
解：
第一个for循环
T(n) = n
f(n) = n
时间复杂度为Ο（n)

第二个for循环
T(n) = n2
f(n) = n2
时间复杂度为Ο（n2）
整个算法的时间复杂度为Ο（n+n2） = Ο（n2）。

⒉函数调用的复杂度分析
例如：
public void printsum(int count){
int sum = 1;
for(int i= 0; i