时间复杂度的定义，记号以及几种计算方法

时间复杂度在关心些什么

如果接触过算法，那么对于算法的时间复杂度分析一定不陌生，因为时间复杂度是算法优劣的一个重要评价标准。

对于一个算法，我们不光关心它在某个规模输入的情况下耗时多少，我们更关心的是，当输入规模疯狂增长的时候，算法耗时增加多少，是按线性形式增加的？指数增加的？对数形式增加的？比如当你的算法接收的输入规模从k个数变到nk个数时，你的耗时是增加了n倍（线性速度增加）？还是增加了n²倍（平方的速度）？还是增加了log(n)倍（对数形式增加）。

时间复杂度是一个函数，它描述了算法的运行时间，并且给出了运行时间与输入规模之间的关系。

时间复杂度的分析记号：O(), Ω(), Θ()，o(), w()

对于时间复杂度的分析，我们都是使用渐进分析，这种分析方法关注地核心就是算法耗时会如何随着输入规模增长？我们使用三种记号来说明这个问题。
我们使用字母n来表示输入的规模

1. O()

符号O()表示了一种上界的感觉，也是我们常说的大O表示法，O()在这三种符号中用得最多，因为涉及到时间复杂度分析，我们经常会考虑最坏情况，因为在代码的实际运用中，首先最坏情况发生的可能性还不小，其次我们需要衡量最坏情况发生的结果我们是否能接受。

它的定义也用到了极限的思想，因为渐进分析，就包含有当n趋于无穷的意思。如果学过数学分析，了解ε