算法--1.估计算法运行效率与时间复杂度

一.时间复杂度

• 时间复杂度是用来评估算法运行时间的一个式子（单位）；
• 一般来说，时间复杂度高的算法比复杂度低的算法慢；
• 括号中的数字不论是1还是n，或是n的n次方，这些都是单位，一个衡量单位。
• 可以使用时间复杂度来判断一个程序的运行快慢。

 1.print('hello')
	时间复杂度为O(1) 

 2.  for i in range(n):  	
    		print('hello')
	时间复杂度为O(n)

3.for i in range(n):
	for i in range(n):
		print('hello')
	时间复杂度为O(n^2)

4.for i in range(n):
	for i in range(n):
		for i in range(n):
			print('hello')
	时间复杂度为O(n^3)

二. 对时间复杂度的判断

1.print('hello')
 print('hello')
 print('hello')

请判断上面代码的时间复杂度是多少？肯定有人会认为时间复杂度是O(3)，因为每行的时间复杂度都是O(1)，那加起来不就是O(3)了嘛。在这里我可以认真负责的告诉你，sorry,you are wrong.不论这里有多少行打印（行数>=1），它的时间复杂度就只是0(1)。

2.while n > 1:
	print(n)
	n = n // 2

如果这里给n赋值为64，那么请问这段代码的时间复杂度是多少？我的猜想是有的人会说：n=64，那这时间复杂度不得是O(64)嘛，还有人会说，n=64，但是n后来有整除了2，那这时间复杂度应该是O(32)，都有道理，又都没道理，时间复杂度远不是这么简单的去判断，在这里，分析如下：
当n=64时，这段代码的输出是：
64
32
16
8
4
2
可以看到这段代码在循环的过程中会对n进行一个除以2的操作，而且是每循环一次就会除以2一次，就是循环一次n的值就折半，那么这段代码的时间复杂度就是O(6)，因为2^6=64,log64=6，所以。。。注：只要代码中出现折半，循环减半或是项目规模减半，就会出现需要使用log来计算时间复杂度。

三.附常见的时间复杂度（按效率排序）

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^2logn) < O(n^3)