分析算法运行时间的一些通用规则

1、循环：每一次执行时间*循环次数

//循环n次

for(i=1;i<=n;i++)
    m = m + 2; //时间常数c

总时间 = c * n = cn = O(n)。

2、嵌套循环：从内到外进行分析，总的运行时间是所有循环规模的乘积

//外层循环n次

for(i=1; i<=n; i++){
    for(j=1; j<=n; j++){
        k= k+1;  //时间常数
    }
}

总时间 = $c*n*n = c*n^2 = O(n^2)$

3、顺序执行语句：每条语句的运行时间相加

x = x + 1;//时间常数
//执行n次
for(i=1; i<=n; i++){
    m = m + 2; //时间常数
}
//外层循环执行n次
for(i=1; i<=n; i++){
    //内层循环执行n次
    for(j=1; j<=n; j++){
        k = k + 1;//时间常数
    }
}

总时间 = $c_0 + c_1*n + c_2*n^2 = O(n^2)$

4、if-then-else条件语句：最坏情况下的运行时间为，条件判断的时间+最大值（then部分的语句运行时间或else部分的语句运行时间）

//条件：常数
if(length() == 0){
    return false;//then部分：常数
}
else {//else部分：（常数+常数）* n
    for(int n=0; n<length(); n++){
        //条件：常数
        if(!list[n].equals(otherList.list[n]))
            return false;//then部分：常数
    }
}

总时间 = $c_0 + c_1 + (c_2 + c_3) * n = O(n)$

5、对数级时间复杂度：
如果算法可以在常数时间把问题的规模按照某个分数（一般是1/2）分解，那么该算法的复杂度为O($logn$),递推如下:

for(i = 1; i <= n;)
    i = i*2;

以上的变量i,每次都是倍增的，1，2，4，8，…，$2^n$,即
$2^k = n$ ,两边同时取对数，得
$log(2^k) = logn$
$klog2 = logn$
$k = logn$假设基数是2
总时间 = $O(logn)$
典型问题二分查找