时间复杂度解释

1、时间复杂度解释一下
算法的时间复杂度，用来度量算法的运行时间，记作: T(n) = O(f(n))。它表示随着 输入大小n 的增大，算法执行需要的时间的增长速度可以用 f(n) 来描述。

    当 T(n) = c，c 为一个常数的时候，我们说这个算法的时间复杂度为 O(1)；如果 T(n)
    不等于一个常数项时，直接将常数项省略。
    因为高次项对于函数的增长速度的影响是最大的，所以我们直接忽略低次项。
    因为函数的阶数对函数的增长速度的影响是最显著的，所以我们忽略与最高阶相乘的常数。

比如 T(n) = 29 ，此时时间复杂度为 O(1)。
比如 T(n) = n + 29，此时时间复杂度为 O(n)。
比如T(n) = n^3 + n^2 + 29，此时时间复杂度为 O(n^3)。
比如T(n) = 3n^3，此时时间复杂度为 O(n^3)。

for (int i = 2; i < n; i++) {
        i *= 2;
        printf("%i\n", i);
    }

 

假设循环次数为t，必有2^t < n
t = log(2)(n)，即 T(n) = log(2)(n)，可见时间复杂度为 O(log(2)(n))，即 O(log n)。

加入 T(n) = T(n - 1) + T(n - 2) 是一个斐波那契数列，通过归纳证明法可以证明，当 n >= 1 时 T(n) < (5/3)^n，同时当 n > 4 时 T(n) >= (3/2)^n。
所以该方法的时间复杂度可以表示为 O((5/3)^n)，简化后为 O(2^n)。