数据结构之时间复杂度

前言：为什么会出现时间复杂度这个概？

        我们在编写代码的时候为了完成一个函数功能，可能用到不同的处理方式：顺序多次执行、使用for循环执行、使用递归调用等等。当循环次数取值范围不同时，各种算法处理所耗费的时间也不一样，不同的算法所执行的次数通过分析可以用数学函数表达。

        时间复杂度概念：我们把 算法需要执行的运算次数 用 输入大小n 的函数 表示，即 T(n) 。此时为了 估算算法需要的运行时间 和 简化算法分析，我们引入时间复杂度的概念。

        时间复杂度定义：存在常数 c 和函数 f(N)，使得当 N >= c 时 T(N) <= f(N)，表示为 T(n) = O(f(n)) 。

实际应用中带来的优势

        如下图：假设现在有两个算法均可以实现一个功能，其运算次数n的函数表达分别为T(n) = n + 2与T(n) = n^2。可以这样理解，同一个功能，一个人只用了一层for循环执行N次，再多运行两次;另一个人用了for循环嵌套for完成，所以执行次数为n^2。

       

         当 N >= 2 的时候，f(n) = n^2 总是大于 T(n) = n + 2 的，于是我们说 f(n) 的增长速度是大于或者等于 T(n) 的，也说 f