时间复杂度详解

时间复杂度：进行算法分析时，程序语句的总执行次数T（n）随问题规模 n的变化情况的函数的数量级。
   (1) 一般情况下，随着n的增大，T(n)增长最慢的算法称为最优算法
   (2)比如，我们可以把求和算法的时间复杂度称为O(n),O(1),O(n*n)，即线性阶，常数阶，平方阶

时间复杂度的这个概念主要是在数据结构中提到的，而时间复杂度的算法也叫作大O阶计算

下面便是大O阶的种类与推算方法示例

▲、推导大O阶的方法，即时间复杂度的方法：
          *用常数1取代运行时间中所有的加法常数
          *在修改后的运行次数函数中，只保留最高阶项
          *如果最高阶项存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶

1、常数阶

      在这个示例中，我们采用求和公式做演示：

      int sum = 0, n = 100;   //执行一次

      sum = (1+n) * n / 2;   //执行一次

      printf("%d",sum);   //执行一次

      这个算法的运行次数函数是f(n) = 3, 根据推导大O阶的算法，第一步便是将3改为1，在保留最高阶时发现，根本没有最高阶，故        此时间复杂度为O(1) ;

2、线性阶

       线性阶的循环结构会复杂很多，要确定某个算法的阶次，我们常常需要确定某个特定语句或者某个语句集运行的次数，因此，在此部分，要想确定时间复杂度，关键是要确定分析循环结构的运行情况

      eg: 下面这段代码是时间复杂度为O(n),因为循环体中的代码必须执行n次

           int i;

           for(i = 0;i < n; i++)

          {

                   //时间复杂度为O（1）的代码

          }         

3、对数阶

          int count = 1;

          while(count < n)

          {

                  count = count *2;

          } 

          在这个循环体中，要想程序跳出循环，则应使count >= n，即当count 乘以2一定次数后，大于n，即2的x次幂 >= n,这时可解的x 等于以2为底n的对数，故此时间复杂度为对数阶  

3、平方阶

        通过上述的几个例子，大致可以了解到时间复杂度的计算与概念，而在这里的平方阶主要是出现在循环嵌套中