时间复杂度

算法的复杂度分为时间复杂度和空间复杂度。今天谈谈时间复杂度。
一、先上一段代码，计算一下循环中语句总共会执行多少次：

上面的代码语句总执行次数为：f(n)=n^2+2*n+10。
由此可看出时间复杂度实际就是一个函数，该函数计算的是执行基本操作的次数。
二、算法存在最好、平均和最坏的情况：
（1）最坏情况：任意输入规模的最大运行次数（上界）；
（2）平均情况：任意输入规模的期望运行次数；
（3）最好情况：任意输入的规模最小运行次数，通常最好情况不会出现（下界）。
例如：在一个长度为N的线性表中搜索一个数据x
         最好情况：1次比较
         最坏情况：N次比较
         平均情况：N/2次比较
在实际中通常关注的是算法的最坏运行情况，即：任意输入规模N，算法的最长运行时间。理由如下：
（1）一个算法的最坏情况的运行时间是在任意输入下的运行时间上界
（2）对于某些算法，最坏的情况出现的较为频繁
（3）大体上看，平均情况与最坏情况一样差
因此：一般情况下使用O渐进表示法来计算算法的时间复杂度。

三、时间复杂度之大O渐进表示法

       一个算法语句总执行次数是关于问题规模N的某个函数，记为f(N),N称为为题的规模。语句总的咨询过次数记为T（N），当N不断变化时，T（N）也在变化，算法执行次数的增长速率和f(N)的增长速率相同。则有T（N）=O（f（N）），称O（f（N））为时间复杂度的O渐进表示法。

常见的复杂度，看一段代码：

以上的代码总执行的次数：f(n)=2*n+10。求该段代码的时间复杂度步骤如图所示：

由图可看出一般算法O（n）的计算方法为：

（1）、给出一段代码要求出执行次数的表达式；

（2）、将表达式放入大O中；

（3）、用常数1取代运行时间中的所有加法常数；

（4）、在修改后的运行次数函数中，只保留最高阶项；

（5）、如果最高阶项系数存在且不是1，则去除与这个项相乘的常数。

四、递归算法时间复杂度：递归总次数*每次递归次数。