大O符号与算法的时间复杂度

评价算法的标准之一——算法的时间复杂度

算法的时间复杂度：算法（或程序）中基本操作（或语句）重复执行次数的总和。
设n为求解的问题规模，基本操作（或语句）重复执行次数的总和称为语句频度，记作f(n)。
计算公式：时间复杂度记作T(n)=O(f(n))。

大O符号（朗道符号）含义

注意：大O符号含义，以下内容引用自百度百科
https://baike.baidu.com/item/%E5%A4%A7O%E7%AC%A6%E5%8F%B7/656100?fr=aladdin
大O符号是由德国数论学家保罗·巴赫曼（Paul Bachmann）在其1892年的著作《解析数论》（Analytische Zahlentheorie）首先引入的。而这个记号则是在另一位德国数论学家艾德蒙·朗道（Edmund Landau）的著作中才推广的，因此它有时又称为朗道符号（Landau symbol）。代表“order of …”（……阶）的大O，最初是一个大写的希腊字母’Ο’（Omicron），现今用的是英文大写字母’O’，但从来不是阿拉伯数字’0’。
这个符号有两种形式上很接近但迥然不同的使用方法：无穷大渐近与无穷小渐近。然而这个区别只是在运用中的而不是原则上的——除了对函数自变量的一些不同的限定，“大O”的形式定义在两种情况下都是相同的。
无穷大渐近
大O符号在分析算法效率的时候非常有用。举个例子，解决一个规模为 n 的问题所花费的时间（或者所需步骤的数目）可以被求得：T(n) = 4n² - 2n + 2。
当 n 增大时，n²; 项将开始占主导地位，而其他各项可以被忽略;
进一步看，n²项的系数也是无关紧要的。这样，大O符号就记下剩余的部分，写作：T(n）∈O(n²)
并且我们就说该算法具有 2阶的时间复杂度。
无穷小渐近
大O也可以用来描述数学函数估计中的误差项。例如：
e^x=1+x+x²/2+O(x^3) ,当 x→0 时
这表示，如果 x 足够接近于0，那么误差（e^x− (1 + x + x²/ 2)）的绝对值小于 x^3的某一常数倍。

因此，在计算算法时间复杂度T(n)=O(f(n))时候，可以将朗道符号理解为忽略低阶和系数的计算。常数项视为n的0次幂

举例

事件复杂度曲线

附注：1.本文主要内容来自中国大学慕课MOOC-华中科技大学-数据结构-李国徽 1.5节 说明算法分析的相关标准课程PPT。
2.本文主要工作为引入并解释朗道符号的作用。