T(n) = O(f(n))
算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称为时间复杂度
所谓时间复杂度是指最坏情况下,估计算法执行时间的一个上界
算法的时间复杂度与空间复杂度没有直接关系
示例 1
for(i = 1; i <= n; i++)
{
for(j = 1; j <= i; j++)
{
for(k = 1; k <= j; k++)
{
x++
}
}
}
示例 2
i = 1;
while(i <= n)
i = i*3;
设基本语句"i = i*3;"的执行次数为f(n),则有:。因此,T(n) = O(以3为底n的对数)
示例3 嵌套循环
for(i = 0; i < n; i++)
for(j = 0; j < m; j++)
a[i][j] = 0;
s = 0;
for(i = 0; i < n; i++)
for(j = 0; j < n; j++)
s +=B[i][j];
由于程序为嵌套循环,外层执行的次数为n,内层循环的执行次数为m。所以,T(n) = O(n*m)
由于程序为嵌套循环,外层执行的次数为n,内层循环的执行次数为n。所以,T(n) = O(n*n)