算法的时间复杂度

前言：讲到算法的时间复杂度，也应该说说空间复杂度，由于篇幅过长，我将两个知识点分成了两篇文章细讲，仔细看完这篇文章并且加以练习，你一定能自己算出准确的时间复杂度，时间复杂度对于我们面试的算法题以及考研都非常的重要！！！

博主现在在备战考研，因为之前自己这方面不会，感觉学不懂，现在学懂了希望能够帮助到各位，由于是抽出时间给大家出了这么一篇文章，希望帮助到你的话转发给更多人，点个赞什么的，谢谢啦！

一：初见时间复杂度

首先我们先来看一段代码（c语言）

这里我们假如一行语句执行需要花费1s，当我们调用loveYou函数并且传入参数3000的时候

这个时候先不看while里面的语句，外面的语句将花费2s，while执行一次将花费3s（while判断算1s），当时我们n是3000，所以会执行3000*3，但是最后我们还会执行一步判断while语句不成立的情况，还有1s，总的写起来就是（1+1+3000*3+1）s，当我们将3000换成n，简写出来就是3n+3

时间复杂度是时间和问题规模n的关系，上面时间复杂度可以写成T(n)=3n+3

这一步很重要：我们只考虑阶数高的部分，就是说当我们n为3000时，T(n)=3*3000+3，这里假如T(n)=3n的话，代入3000，和前面的差距很小，T(n)=n的话，差距也只有6000，这种也算差距效地，差距大的是那些几百万数字的差距，所以我们可以简写成T(n)=n，下面我给出几个省略的例子，大家就懂了

上面的例子可以写成T(n)=n^2，因为我们只考虑阶数高的部分，这里阶数高的就是n^2，再举一个例子

 上面可以写成T(n)=n^3，这下大家可以理解了把，看到这里，其实还有一种可能性，不知道大家猜到了没有，就是T(n)=1或者T(n)=100这种情况呢，我们后面会给大家介绍到，后面用的就是另外一种方法了，这个只是带大家进入这个世界，不会觉得很突然

二：大O记法

我们来介绍一下大O写法

上面T(n)=3n+3简写的T(n)=n，我们用大O写法可以写成：T(n)=O(n)，其他的类似这种写法，最后一种情况就是T(n)=100，写成T(n)=O(1)

说到大O写法，我们就可以说到加法规则，我们就可以高效率算出时间复杂度

举个例子，T(n)=n^2+n+100，这里多项相加，保留最高阶的项，就是n^2，T(n)=O(n^2)

系数变成1，就是100变成1，如果这个例子只有100的话，那我们就写成T(n)=O(1)，也就是上面的最后一种情况啦！

 还有一种乘法规则

 看上面的例子，我们可以拆成T(n)=O(n^2*n)+O(n^2*log2n)

这样我们只用对比n和log2n就行了，我这里给出一张图，大家记得背熟了，有了这张图，就知道大小对比了

到这里，我们就学完了基本的了，我们从最开始的T(n)=3n+3，简写成了T(n)=n，再用大O记法、加法规则写成了T(n)=O(n)，大家要记住时间复杂度是时间与问题规模n的关系。

三、例题训练

前言：大家在看题目的时候先自己做一做，再来对比讲义和答案，这样学习效率是最好的

（1）

 讲义：while循环外面都是可以直接算出来的，就是2s，我们就不用管了，因为系数最终也是换成1，我们主要看的是循环语句，因为这是出现高阶层的地方

由于while里面，不算for循环，大致是循环了n遍，里面for语句循环了n*n，n*n也就是n^2是高阶层

答案：T(n)=O(n^2)

(2)

讲义：直接看while循环，这次由于i = i * 2，这次就不是循环n次了，要注意，假设while循环了x次，那我们最终i的值就是2^x，什么时候会结束呢，只有2^x>n的时候，我们才会结束，现在算出x的值，就是log2n+1，这也是我们循环的次数，一次就是1s，1不要写进去，因为保留最高阶

答案：T(n)=O(log2n)

(3)

讲义：老套路，看循环语句，这里由于是找元素n，有可能第一次就找到，有可能在数组中间找到，有可能在最后找到，所以可能性是(1+2+3+...+n-1+n)*1/n，这前面不是等差数列嘛，直接上求和公式，就可以化成n(1+n)/2*1/n，再变成1+n/2，再变成1/2+n/2，最后根据我们的大O记法和加法规则就可以算出来啦

答案：T(n)=O(n)

这道题勾出了另外一个知识点，就是最好情况，最坏情况，平均情况，感兴趣可以自己研究一下，对于考研的学生，主要关注最坏情况和平均情况就行

四：总结