算法相关概念

1.时间复杂度
时间复杂度被用于度量一个算法执行时间的长短。常见的算法时间复杂度有：常数阶O(1)、对数阶O(logn)、线性阶O(n)、线性对数阶O(n·logn)、平方阶O(n2)、立方阶O(n3)……k次方阶O(nk)和指数阶O(2n)等。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越来越低。也就是说时间复杂度从小到大依次为：O(1)<O(logn)<O(n)<O(n·logn)<O(n2)<O(n3)<…<O(2n)<O(n!)。通常情况下，在计算时间复杂度的时候，首先要分析算法中包含的基本操作，然后根据相应的语句结构确定每一个操作的执行次数，再利用上文给出的抽象方法确定T(n)的数量级（1,logn,n,n·logn,n2等）。接下来，令函数f(n)=该数量级，对T(n)/f(n)求极限，若结果为一个常数c，则该算法的时间复杂度为O（f(n)）。

那么如何计算一个算法的时间复杂度？通常情况下，有以下几个简单的分析法则：1)对于简单的说明性语句、输入输出语句、赋值语句，可以近似认为其时间复杂度为O(1)。O(1)代表一个算法的运行时间为常数。2)对于顺序结构语句块，需要依次执行一系列语句，其时间复杂度遵循O记号下的“求和法则”。所谓“求和法则”指的是：如果算法的两个部分的时间复杂度分别为T1(n)=O（f(n)）和T2(n)=O（g(n)），那么可以得到T1(n)+T2(n)=O（max（f(n),g(n)）），特别地，如果T1(m)=O（f(m)），T2(n)=O（g(n)&#x