时间复杂度

                         让编程改变世界Change the world by program---小昝

当我们参加比赛,例如蓝桥杯、ACM…时，往往一个题目都会有内存限制，而且学好算法必须要明白算法的复杂程度，同时时间复杂度也是上研究生的一个必备知识点，所以我们有必要去研究一下算法的时间复杂度（时间复杂度、空间复杂度）
判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（次数最高项）的阶数。
判断一个算法好不好，我们不能通过少量的数据判断算法的好坏，不能以偏概全。
时间复杂度：看的是算法执行时间的增长率（看潜力，不看现在的状态）。
一般情况下，随着输入规模n的增大，T（n）增长最慢的算法为最优算法。
时间复杂度攻略：
*用常数1取代运行时间中的所有加法常数 注：1+1+…+1=1 O(1)
*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为1，则去除于这个项相乘的常数。
*得到的最后结果即是大O阶。

常见时间复杂度

复杂度曲线图

复杂度曲线图

常见时间复杂度比较

最坏运行时间：

最坏运行时间是一种保证。在应用中，这是一种最重要的需求，通常除非特别指定，我们提到的运行时间都是最坏情况的运行时间。

算法空间复杂度：

空间换取时间，时间换取空间。
举个例子：
到底哪一种方法好，其实还是要看具体情况。

总结

当直接要让我们求“复杂度”时，通常指的是时间复杂度。显然对时间复杂度的追求更是属于算法的潮流！