介绍常见的时间复杂度

介绍常见的时间复杂度

时间和空间复杂度是衡量算法好坏的两个维度，如果按照严格意义上的数学公式中定义的时间复杂度去理解的话，比较难懂。这里只是通过一些程序来更好的理解一些常见时间复杂度。## 标题
#####O(1) 常数复杂度
#####O(n) 线性时间复杂度
#####O(logn) 对数时间复杂度
#####O(n^2) 平方时间复杂度
#####O(n^3) 立方时间复杂度
#####O(2^n) 指数时间复杂度
#####O(n!) 阶乘时间复杂度
这里的时间复杂度是不考虑前面系数的，并不是说O(1)就是只执行一次，O(n)也不是只执行n次的意思。如果程序中有多个时间复杂度，那么将最大的那个作为程序的时间复杂度考虑。

###O(1)

int n = 1000；
System.out.println("input number is:" + n);

int n = 1000；
System.out.println("input number is:" + n);
System.out.println("input again:" + n);
System.out.println("more:" + n);

不考虑前面系数，所以两段代码的时间复杂度都是O(1)。

###O(n)

for(int i=0;i<n;i++)
{
    System.out.println("input number is:" + i);
}

这里当n等于1时，语句执行1次，当n等于1000时，语句执行1000次，可以看出执行次数和n的大小是成线性关系的，所以我们说它是线性时间复杂度。

###O(n^2)

for(int i=0;i<n;i++)
{
    for(int j=0;j<n;j++)
    {
        System.out.println("input number is:" + i + " and:" + j);
    }
}

这里我们来看一种情况：

for(int i=0;i<n;i++)
{
    System.out.println("input number is:" + i);
}
for(int j=0;j<n;j++)
{
    System.out.println("input second number is:" + j);
}

这种情况的时间复杂度是多少呢？很明显，当n=10时，语句执行2*10次，是成线性关系的，所以它的时间复杂度为O(n)。

###O(n^3)

for(int i=0;i<n;i++)
{
    for(int j=0;j<n;j++)
    {
        for(int k=0;k<n;k++)
        {
            System.out.println("input number is:" + i + " and:" + j + "and:" + k);
        }
    }
}

###O(logn)

for(int i=0;i<n;i=i*2)
{
    System.out.println("input number is:" + i);
}

###O(k^n)

int fib(int n)
{
    if(n<2)
        return n;
    return fib(n-1) + fib(n-2);
}

时间复杂度的曲线是这样的：

从这个图我们可以看到，当n比较小的时候，不同时间复杂度其实是差不多的，但当n增大时，你会发现，指数级时间复杂度涨的是非常快的。也就是说，我们在写程序的时候，如果能优化时间复杂度的话，比如从O(k^n) 降到O(n^2)甚至是O(n)级别的话，当n很大时，我们所收到的效益是非常大的。
这就给我们一个启示，当我们写完一个程序时，应该养成一种习惯，要对自己程序的时间复杂度有所了解。特别是给公司开发项目时，如果你的时间复杂度处理不好，那么从上图可以看出，随着n的增大，所带给公司资源的消耗是非常大的。相反，如果能优化我们程序的时间复杂度的话，所节约的成本是很大的，而这些效益往往就是改动些许代码就能带来的。

我们来看一个例子：
计算 1+2+3···+n

//方法一 循环累加
sum=0;
for(int i=1;i<=n;i++)
    sum+=i;
//方法二 求和公式
sum=n*(n+1)/2

方法一为一重循环，n是多少，循环体就执行多少次，所以时间复杂度为O(n)。方法二是用了求和公式，无论n为多大，该语句都只执行一次，所以时间复杂度为O(1)。