关于计算算法时间复杂度攻略

算法的时间复杂度的定义：在进行算法分析时，语句总的执行次数T（n）是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=O(f(n)).它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。
关于算法的时间复杂度，首先我们要知道一段程序在不同的运行环境下，它的时间复杂度总是不变的，
对于求常见算法的时间复杂度，可以先写语句的总执行次数的表达式，然后使用大O渐进表示法。

大O渐进表示法总的来说有三点
（1）用常数1取代运算时间中的所有加法常数
（2）在修改后的运行次数函数中只保留最高阶项
（3）如果最高阶项存在且不是1，则除去这个项的系数
满足这三点后，得到最终结果.
比如说一段程序的语句总执行次数为O(f(n))=O（n^2+2*n+10）分析这个表达式，
可以发现随着n的增大，当n的值非常大时，函数中的常数项和其他次要项对最终结果的影响并不大，常常可以忽略，更应该关注最高项的阶数，
因此这个程序的时间复杂度就是O(n^2)

求特殊算法的时间复杂度
递归算法 递归总次数*每次递归次数（每次自己调用了自己几次）
int Sum(int N)
{
if(1==N)
return 1;
else
return Sum(N-1)+N;
}
时间复杂度为O(N*1)=O（N）
斐波那契数列 递归总次数*每次递归次数（每次自己调用了自己几次）
int Fib(int N)
{
return N<2?N:Fib(N-2)+Fib(N-1);

}
斐波那契数列的时间复杂度为O（2^N）