尚硅谷Java数据结构与算法——051 时间频度和时间复杂度

时间频度

一个算法花费的时间与算法中语句的执行次数成正比，哪个算法中语句执行次数多，它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。

时间复杂度

一般情况下，算法中的基本操作语句的重复执行次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大时，T(n) / f(n) 的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作 T(n)=Ｏ( f(n) )，称Ｏ( f(n) ) 为算法的渐进时间复杂度，简称时间复杂度。

常见的时间复杂度

1. 常数阶O(1)
2. 对数阶O($lo{g}_{2}n$)
3. 线性阶O(n)
4. 线性对数阶O($nlo{g}_{2}n$)
5. 平方阶O(n^2)
6. 立方阶O(n^3)
7. k次方阶O(n^k)
8. 指数阶O(2^n)

常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο($lo{g}_{2}n$)＜Ο(n)＜Ο($nlo{g}_{2}n$)＜Ο($n^2$)＜Ο($n^3$)＜ Ο($n^k$) ＜Ο(2^n) ，随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。

排序算法的时间复杂度