时间复杂度的计算（二）

   前言

   第一篇介绍了时间复杂度为O(n)和O(n^2)的代码，接下来介绍一下详细介绍一下时间复杂度，以及时间复杂度为为O(1)，O(logn)，O(nlogn)的代码。

        时间复杂度的介绍

一般来说，时间复杂度的比较

1.大O表示法

   O表示的是程序运行时间随数据的增长趋势，并不是准确计算程序的运行时间，我们用来估算程序运行的时间，所以也叫渐进时间复杂度，简称时间复杂度。

2.时间复杂度的计算

    只关注时间复杂度最大的那段

    1.加法计算：总的时间复杂度为数量级最大的那段时间复杂度。

    2.乘法计算：循环的嵌套，等于内外循环次数的乘积(外层循环，循环一次，内层循环，循环n次）

    而且，不管常量的执行时间多大，我们都可以忽略掉，因为，它是关于n的函数，常量本身对增长趋势并没有影响。

3.代码展示

     1.  时间复杂度为O(1)的代码，一般来说，如果代码中没有循环语句，递归语句，那么即使再多的代码，它的时间复杂度也是O(1)。

#include<stdio.h>
#include<math.h>
int main(){
	int n;
	double a,s;
	scanf("%d%lf",&n,&a);
	s=a*pow(1.0225,n);
	printf("%.6f",s);
}

例如，这份代码的时间复杂度就为O(1)，都为简单的加减乘除计算。

    2.时间复杂度为O(logn)的代码

#include<stdio.h>
int main(){
	int n,sum=1;
	scanf("%d",&n);
	while(sum<=n){
		sum=sum*2;
	}
}

假设，程序执行的次数为 t，每次循环sum都乘以2，那么2^t=n，运行次数t=log(2^n)。

    3.时间复杂度为O(nlogn)的代码

#include<stdio.h>
int main(){
	int n;
	scanf("%d",&n);
	for(int i=1;i<=n;i++){
		for(int j=i;j<=n;j+=i){
			//do something with O(1)......
		}
	}
	return 0;
} 

这份代码的第一层循环，执行了n次，但第二层代码的执行时间与 i 的大小有关，也就是 n/i 次，

具体来说就是下面这个公式

有错误或者不够完善的地方，希望可以指正