时间复杂度计算

一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。

一般情况下，算法的基本操作重复执行的次数是模块n的某一个函数f（n），因此，算法的时间复杂度记做：T（n）=O（f（n））。随着模块n的增大，算法执行的时间的增长率和f（n）的增长率成正比，所以f（n）越小，算法的时间复杂度越低，算法的效率越高。
在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数，再找出T（n）的同数量级（它的同数量级有以下：1，Log2n ，n ，nLog2n ，n的平方，n的三次方，2的n次方，n！），找出后，f（n）=该数量级，若T(n)/f(n)求极限可得到一常数c，则时间复杂度T（n）=O（f（n））。
定理：若f(n)=amnm +am-1nm-1+…+a1n+a0是一个m次多项式，则f(n)=O(nm)
以下六种计算算法时间的多项式是最常用的。其关系为：
     O(1) < O(㏒n) < O(n) < O(n㏒n) < O(n2) < O(n3)
  指数时间的关系为：
    O(2n) < O(n!) < O(nn)



eg:

1：时间复杂度是O(log2n)的计算：


 i=1;       ①
     while (i<=n)


        i=i*2; ②
语句1的频度为1，设语句2的频度为f（n），语句2执行时，i值从1,2,4...n,假设次数为f（n）,既要得出f（n）与n的关系式，则 2^(f（n）-1)=n  => f（n）=log2n+1,则T(n)=1+log2n+1=O(log2n).
2：时间复杂度是O(n^3)的计算：
for(i=0;i<n;i++)  ①
     {  
        for(j=0;j<i;j++)  ②
        {
           for(k=0;k<j;k++)  ③
              x=x+2;   ④
        }
     }


语句1的循环为n次；当i=w时，语句2的循环次数为0+1+2+3+、、、+w=w*(w+1)/2，则当i=n时，语句2的循环为n*(n+1)/2；当i=n，j 可以取 0,1,...,n-1 ,则语句4时间频数为0+1+（1+2）+（1+2+3）+.......+（1+2+3.......+n）=n(n+1)(n-1)/6