算法时间复杂度分析

内容会持续更新，有错误的地方欢迎指正，谢谢!

符号的辨析

Ο，读音：big-oh；表示上界，小于等于。
ο，读音：small-oh；表示上界，小于。
Ω，读音：big omega、欧米伽；表示下界，大于等于。
ω，读音：small omega；表示下界，大于。
Θ，读音：theta、西塔；既是上界也是下界，称为确界，等于。

Ο是渐进上界，Ω是渐进下界。Θ需同时满足大Ο和Ω，故称为确界。Ο极其有用，因为它表示了最差性能。

复杂度求解方法之主方式

前言

对一个普通函数（即非递归函数），其时间复杂度的求解很简单。下面我们主要谈谈如何求解递归函数的时间复杂度。递归函数的时间复杂度通项：

T(n)=aT(n/b)+f(n)
//a为子问题的个数，n/b为每个子问题的规模，f(n)为问题分解和子问题的解合并的代价。

主方式

主方式求解复杂度的通项公式：

只需记住三个特例就好：
1.a=2，b=2，f(n)=kn+p时，即T(n)=2T(n/2)+f(n)，归并排序，T(n)=O(nlg n)；
2.a=1，b>1，f(n)=c时，T(n)=O(lg n)；
3.a=1，b>1，f(n)=kn+p时，T(n)=O(n)；