时间复杂度

百度百科：

在计算机科学中，时间复杂性，又称时间复杂度，算法的时间复杂度是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。     

大O用来表示上界的，当用它作为算法的最坏情况运行时间的上界，就是对任意数据输入的运行时间的上界。

简单理解就是一个算法或是一个程序在运行时，所消耗的时间（或者代码被执行的总次数）。

int a,b;
for(int i=0;i<n;i++)
{
    a+=1;
    for(int j=1;j<=n;j*=2)
    {
        b+=a;
    }
}

分析步骤
Step1．分析各条语句执行时间，得到算法（实际）复杂性

语句 int a,b；的频度为1;
语句 i =0：的频度为1;
语句 i<n; i ++;a+=1:j=1;的频度为 n ;
语句j <= n ; j *=2;b+=a；的频度为 n * log2n ;
算法（实际）复杂性： T ( n )=2+4n+3n*log2n

step2.计算渐进复杂性

忽略掉 T ( n ）中的常量、低次幂和最高次幂的系数
当 n 趋向于无穷大
 T ( n )= O ( n *log2n)
可以简化计算步骤，分析一下，可以看出，决定算法复杂度的是执行次数最多的语句，一般也是最内循环的语句。
于是，以上步骤可简化为：找到执行次数最多的语句

算法时间复杂的的一个排行如下所示：

O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n^2)平方阶 < O(n^3)(立方阶) < O(2^n) (指数阶)

总结

一般来说时间复杂度有下面几种情况

1.for(int i=0;i<100000;i++)//O(1)

2.for(int i=0;i<n;i++)//O(n)

3.for(int i=0;i<n;i=i*2)//O(log(n))具体来说是log2(n)但是一般都化成log(n)

4.for(int i=0;i<n;i++)
{
    for(int i=0;i<n;i++)//O(n^2)
}

5.for(int i=0,s=0;s<n;i++)
{
    s=s+i;//O(sqrt(n))根号n
}

对于第3点for(int i=0;i<n;i=i*2)

假设达到这个终止条件所需的迭代次数是 k，那么我们有:2 ^ k > = n

以两边的2为基数，我们得到:K > = log (n)

因此，所需的迭代次数与 log (n)成正比，因此循环的时间复杂度为 O (logn)。

对于第5点

for(int i=0,s=0;s<n;i++)
{
    s=s+i;//O(sqrt(n))根号n
}

首先，循环的执行次数为i，因此i的最大值为sqrt(n)，即i=sqrt(n)时s的值刚好大于等于n。 其次，每次循环中进行了一个加法操作和一个赋值操作，其时间复杂度均为O(1)。 因此，总的时间复杂度为O(sqrt(n))。