算法时间复杂度的笔记及其推论

在我们现在常用的时间复杂度记法常用大O记法来表示。另外在进行算法分析时，我们用语句被执行次数做关于问题规模的函数T(n)。一般情况下，随着n的不断增大，T(n）增长最慢的函数算法，我们成为最优算法。

在非官方中，我们给几种常见的算法复杂度命名：

1： 常数阶，example：O(1)，执行了1次

2：线性阶，such as：O（n），执行了n次，（本人感觉就是关于一阶方程）.

3：n方阶，like this：O(n^2)，通常是关系到嵌套循环，这个就需要数学的数列的一些知识加以理解了.举个代码：

int i=0,j=0;

for(i=0;i<n;i++){

for(j=i;j<n;j++){}}

我们由这个代码可以知晓，它执行了n+n-1+n-2......=n^2/2+n/2,当n趋近于无穷时，可以认为就是等于n^2的复杂度.

4：对数方阶：我们用O（logn）来表示，代码举例

int count=1,i;

for(i=0;count<n;i++)

{count=count*2}

关于要cout乘以多少个2才能退出循环的代码，时间复杂度用O（logn）来表示.

小白第一天学数据结构，若有不足请加以理解，望指出