从0开始学算法2：时间复杂度详解

一、算法的选择

我们都知道同一个问题有不同的算法解决，这些算法在运行时间、运行占用内存、代码易读性等方面都不相同，而在这些算法中，我们只能选择一种解决方案，这时判断选择哪个算法的依据是什么呢？

在这里，我们引入了时间复杂度和空间复杂度这两个概念作为选择适合算法的重要依据，一般对比算法的好坏基本上从它的时间复杂度和空间复杂度来综合判断就可以得出哪个更适合，复杂度通常来说越小越好。

算法的时间复杂度和空间复杂度的作用：时间复杂度是指执行这个算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。时间和空间（即寄存器）都是计算机资源的重要体现，而算法的复杂性就是体现在运行该算法时的计算机所需的资源多少。

二、时间复杂度概念

一个算法语句总的执行次数是关于问题规模N的某个函数，记为f(N)，N称为问题的规模。语句总的执行次数记为T(N)，当N不断变化时，T(N)也在变化，算法执行次数的增长速率和f(N)的增长速率相同。

则有T(N) = O(f(N))，这称作算法的渐进时间复杂度，简称时间复杂度。

说明：

1. 算法的时间复杂度反映了程序执行时间随输入规模增长而增长的量级，在很大程度上能很好地反映出算法的优劣与否。
2. 算法执行时间需要依据该算法编制的程序在计算机上执行运行时所消耗的时间来度量，度量方法有两种：事后统计方法和事前分析估算方法。因为事后统计方法更多地依赖计算机的硬件、软件等环境因素