2.4 时间复杂度的计算、斐波那契数列递归表示及其递归法则

2.4 时间复杂度的计算

     法则1--for循环：一个for循环的运行时间至多是该for循环内部那些语句（包括测试）的运行时间乘以迭代的次数

                                for( 0-->n )  得出时间复杂度为O(n)

     法则2--嵌套的for循环：从里向外分析这些循环。在一组嵌套循环内部的一条语句总的运行时间为该语句的运行时间乘以该组所有的for循环的大小的乘积

                                 for( 0-->n ){ for( 0-->n ){}   }   得出时间复杂度为O( n^2 )

     法则3--顺序语句：将各个语句的运行时间求和

                                 for( 0-->n ){ i++;   } for( 0-->n ){ j++; }  得出O(n) + O(n) --> O(n)

    法则4--if/else语句：不超过判断的运行时间再加上S1 和S2 中运行时间较长那个的总的运行时间

if( condition )
   S1
else
   S2

总结：分析的基本策略是从内部（或最深层部分）向外展开工作。如果有方法调用就先分析调用；有递归就先分析递归。

例子：

//时间复杂度为O(n)
	public static long factorial(int n) {
		if ( n<=1 ) {
			return 1;
		} else {
			return n * factorial(n-1);
		}
	}

   /**
     * 返回斐波那契数第n个值,n从0开始
     * 实现方式，基于递归实现
     * @param n
     * @return
     */
    public static int getFib(int n){
        if(n < 0){
            return -1;
        }else if(n == 0){
            return 0;
        }else if(n == 1 || n ==2){
            return 1;
        }else{
            return getFib(n - 1) + getFib(n - 2);
        }
    }

切记递归的四条基本法则

     ①基准情形：必须总要有某些基准情形，它无须递归就能解出。

     ②不断推进：对于那些需要递归求解的情形，每一次递归调用都必须要使状况朝向一种基准情形推进。

     ③设计法则：假设所以的递归调用都能运行。

     ④合成效益法则：在求解一个问题的同一实例时，切勿在不同的递归调用中做重复性的工作。

最后来一句格言： 计算任何事情不要超过1次！