算法的时间复杂度理解

引言

解决一个问题可以有很多种算法，比如解决排序问题有多种排序算法，冒泡排序，快速排序，归并排序等等，如何去评价一个算法的优劣？一般有两种方法，一种是事后统计，让算法程序运行起来，统计时间，空间，但是这种方式不仅需要实际运行起来，统计的结果还受运行程序的计算机本身硬件的限制，所以，一般都是采用事前估算的方法。即我们经常说的时间复杂度，空间复杂度。

时间复杂度

一个算法中的语句执行次数称为时间频度或语句频度，记为T(n)。即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。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0的常数，则称f(n)是T(n)的同数量级函数。记为T(n) = O(f(n))，称O(n)为算法的渐进时间复杂度，简称时间复杂度。
计算方法：

• 常数1代替运行时间中所有的加法常数。
• 只保留最高阶项。
• 忽略最高阶项的系数。

常见的时间复杂度

常数阶O(1)、对数阶O(log2(n))、线性阶O(n)、线性对数阶O(nlog2(n))、平方阶O(n²)、立方阶O(n³)、k次方阶O(n^k)、指数阶O(2ⁿ)