关于时间复杂度&什么是时间复杂度

简介

精确的考虑程序运行时间会使得寸步难行，而且毫无意义，所以可以用一种“概量”的概念来衡量运行时间，称之为“时间复杂度”。

时间复杂度的定义：
在一个完全立项状态下的计算机中，我们定义T(n)来表示程序执行所要花费的时间，其中n代表数据的输入量。当人程序的最坏运行时间或最大运行时间是时间复杂度的衡量标准，一般以Big-Oh表示
在分析算法的时间复杂度时，往往用函数来表示它的成长率(Rate of Growth)，其实时间复杂度是一种“渐进表示法”

常见的Big-Oh

Big-Oh	特色与说明
O(1)	称为常数时间，表示算法的运行时间是一个常数倍
O(n)	称为线性时间，表示执行的时间会随着数据集合的大小而线性增长
O($lo{g}_2$n)	称为次线性时间，成长速度比线性时间慢，而比常数时间快。
O($n^2$)	称为平方时间，算法的运行时间会成二次方的增长
O($n^3$)	称为立方时间，算法的运行时间会成三次方增长
O($2^n$)	称为指数时间，算法的运行时间会成2的n次方增长。
O(n$lo{g}_2$n)	称为线性乘对数时间，介于线性和二次方增长的中间模式

大佬博文：
如何计算时间复杂度
时间复杂度怎么计算？