算法时间复杂度的一点点理解

1. 时间频度用T(n)表示，表示当一个程序，其中某个变量n，他的值是n时，执行的语句/命令的次数。比如T(n)=3+2n+1。n表示问题规模，可以理解为一个算法，一个函数或程序的输入参数。具体可以理解为程序的循环次数。

时间复杂度用O(f(n))表示，f(n)是一个辅助函数，随着n值增大，与T（n）比值接近常数的函数。比如f(n) = 。

此时，时间复杂度可以用O()表示，表示随着代码中变量n的值逐渐增大时，他需要执行的命令的条数无线接近n2，消耗的时间也无线接近O()

2.在计算时间复杂度时，比如T(n)=3+2n+1 ,随着n的值增大，公式中的常数项(1)，低次阶2n，以及高次阶3的系数3都可以忽略，所以该算法的时间复杂度时O()。

3. 常见的算法复杂度有

常数阶O(1)，对数阶O(logn)，线性阶O(n)，对数线性阶nO(logn)，平方阶O()，立方阶,阶等。(这里的logn是以2为底，n的对数，底数可以根据实际情况可能是2，3，4...)。以上算法时间复杂度从低到高排序。

4. 算法复杂度举例

常数阶：没有循环的程序，即使有几万行代码，那么时间复杂度也是O(1)

对数阶：

int i = 1;
while(i<n){
    i = i*2;
}

线性阶：

for(int i=1;i<n;i++){
    ...
    ...
}

线性对数阶：

for(int i=0;i<n;i++){
    int i = 1;
    while(i<n){
        i = i*2;
    }
}

2次平方阶：就是两个for循环，3次平方阶就是3个for循环。

for(int i=0;i<n;i++){
    for(int i=0;i<n;i++){
        ...
        ...
    }

}

5. 总结：

某个程序或者函数(输入变量或者参数是n)时间复杂度跟循环次数有关，循环一次，是O()，即O(1)，循环n次,就是O(n)，即线性阶。如果循环,就是O()，平方阶。