时间复杂度：例题 步骤

时间复杂度是对算法运行时间的抽象度量，但并不是算法的实际运行时间，而是执行时间随着数据规模增大而增加的速度。

O(1)<O(logN)<O(n)<O(n^2)<O(n^3)<O(2^n)<O(n!)

1）常数阶

int a =1000;
int b = 20;
int t = 0;
t = a;
a = b;
b = t;

 只要没有循环，时间复杂度就和n没关系，就算有成千上万条这样的语句，任由它们变换，

时间复杂度也是T(n) = O(1); 

2）线性/平方/立方 阶

 计算时间复杂度就是看他的算法算了几次，所以以下面这个为例（我是一个讲解视频）

for(int i =0;i < n;i++)
{    cout<<"你又输出了一次“<<endl;
   }

在这个循环算法中，共执行3n+2次，但在计算时间复杂度时，只看最高次项，最高次项的系数看作是1.

 因此平方阶立方阶的时间复杂度计算都同理。

所以O(n) = n^2

所以类似于这种独立互不相关的循环，一般有几层循环就是n的几次方。

还有一种是像这样，i与j 互相有联系的，这种情况下，内层循环次数会根据外层循环变量的改变而改变，它们不再是独立的，时间复杂度取决于内层循环

（本人脑子不好哈，一开始还有点想不明白，为什么这个时候不用乘外面的n了，后来想到一个例子：这里假设循环里n<3

1.小明，小红各有两个球，小红每拿一次球小明就可以拿一次，自己拿自己的互不影响，这是两回事，所以就是排列组合，既两种情况相乘。就是上面的情况。

2.小明和小红各有两个球，小红拿一个的时候小明拿的必须大于等于小红的个数，例如小红0个，小明可以0、1、2个，这时候有几种拿法是取决于小明，就是下面这种情况。​​​​​​​

​​​​​​​)

O(n) = 1/2n^2+1/2n = O(n^2)

3） 对数型

对数型一般变量以乘的形式增长。

4）指数型 

 

套路都是这样，能看出来的直接写，看不出来的代数进去算