数据结构—时间复杂度计算（简单类型）

前言（关于时间复杂度）

定义：

时间复杂度是衡量算法执行时间随问题规模增长而增长的度量。它表示算法执行所需时间的增长率。通常使用大O符号（O）来表示时间复杂度。

时间复杂度描述的是算法运行时间的增长趋势，并不是具体的运行时间。它忽略了常量因素和低阶项，关注的是问题规模趋于无穷时，算法执行时间的增长情况。

常见的时间复杂度：

常见的时间复杂度有：O(1)（常数时间）、O(log n)（对数时间）、O(n)（线性时间）、O(n log n)（线性对数时间）、O(n^2)（平方时间）等。

作用：

通过分析算法的时间复杂度，我们可以比较不同算法的执行效率，并选择最优的算法来解决问题。时间复杂度越小，算法执行效率越高。但需要注意的是，时间复杂度只是算法效率的粗略度量，实际的执行时间还受到诸如硬件环境、编程语言等因素的影响。

时间复杂度求解

（Ⅰ）一层循环

解题思路：

1°列出循环次数t和每次循环i的变化值

2°确认t与i的关系表达式

3°确认循环停止的条件表达式

4°联立上面两式，解方程

5°去常数项，低次项，最高项系数，写出结果

例题：

【例】

i = n*n;

while(i != 1)

i = i / 2;

【解】

循环次数t：0   1   2   3   ......

每次i的变化：          /2      /4      /8    .......

t与i的关系式： i =  /           ①

循环终止条件： i  =  1               ②

联立①②得         / = 1

解得      T  = O()

下面是三道练习题

（Ⅱ）两层循环

解题思路：

1°列出外层循环中i的变化值

2°根据i的变化值，写出每个i下内层循环的执行次数

3°求和（数列），写结果

例题：