时间复杂度

时间复杂度是个抽象的概念。

时间频度

       一个算法执行的时间理论上是算不出来的，需要上机测试才知道，但又不能将所有的方法都进行测试。但算法的执行时间和算法的执行次数是呈正比的。执行次数越多，它所花费的时间就越多。 一个算法的语句执行次数成为时间频度，记作T(n)。

      时间频度有以下三个特点：

            （1）、忽略常数项；            （2）、忽略低次项；             

           （3）、忽略系数（n^k(k>=3)不适用）；

时间复杂度

       时间复杂度也称作时间复杂性，算法的时间复杂度是一个函数。在T(n)中，n是问题的规模，若有某个辅助函数f(n)，使得n趋近于无穷大时，T(n)/f(n)的极限值为不等于的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),我们称O(f(n))为算法的渐进时间复杂度，简称时间复杂度。

      1、常见的时间复杂度

        常见的时间复杂度由小到大依次为O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O()n^3

<O(n^k)<O(2^n)。

     2、如何计算时间复杂度

        （1）、我们需要先找出算法中的基本语句，通常是执行次数最多的语句。

        （2）、计算基本语句的执行次数的数量级，只需保留最高次幂正确即可。

        （3）、用大O记号表示出来。

           注：如果算法中有嵌套循环，则基本语句通常为最内层的循环体，如果算法中包含并列循环，则将并列循环的时间复杂度相加。

            折半查找的时间复杂度为O（logn）。

         

int n=8,count=0;
for(int i=1;i<=n;i*=2){
    for(int j=1;j<=i;j++){
        count++;    
    }
}

第一层for循环的执行次数：log2n

第二层第一次执行：1

第二层第二次执行：2

第二层第三次执行：4

第二层第四次执行：8 ......

第二层第t次执行：2^t t的最大值为log2n ----> 2^log2n

总的执行次数： 1 + 2 +4 + 8 +...+ 2^log2n = 2n -1 时间复杂度：O(n)