簡單而言，演算法時間複雜度就是數學裡面的函式，也就是演算法的時間度量，一般記作：
t(n)=o( f(n) )
。演算法分析的分類：
1.最壞情況：任意輸入規模的最大執行時間。（上界）
2.平均情況：任意輸入規模的期望執行時間。
3.最好情況：任意輸入規模的最小執行時間，通常最好情況不會出現。（下界）
情景一：(常數階）
int sum=0,n=2;
sum+=n;
printf("sum=%d",sum);
情景二：（線性階）
void test1(int n)
int main()
return a;
}int main()
cout<
折半查詢：(用圖示代替**）
觀察圖我們發現，我們需要查詢所需要元素時，會將確定區域不斷分成2份，知道找到元素為止，由2^x=n得演算法的執行次數f(n)=log2n,時間複雜度為o(logn).
總結：
演算法時間複雜度分析
定義 如果乙個問題的規模是n，解這一問題的某一演算法所需要的時間為t n 它是n的某一函式 t n 稱為這一演算法的 時間複雜性 求解演算法的時間複雜度的具體步驟是 1 找出演算法中的基本語句 演算法中執行次數最多的那條語句就是基本語句，通常是最內層迴圈的迴圈體。2 計算基本語句的執行次數的數量級 ...
演算法分析時間複雜度
對乙個演算法的分析，很多時候我們更關心演算法執行的時間複雜度。演算法的時間複雜度中，我們關心演算法執行的時間上界。即大o階分析方法。時間複雜度的分類 1 沒有迴圈遞迴的基本都是常數階。2 有一層迴圈的就是線性階。for int i 0 i dosth 3 對數階 一般類似如下 while i i i...
演算法時間複雜度分析
演算法中基本操作重複執行的次數是問題規模n的某 個函式，其時間量度記作 t n o f n 稱作演算法的 漸近時間複雜度 asymptotic time complexity 簡 稱時間複雜度。一般地，常用最深層迴圈內的語句中的原操作的執 行頻度 重複執行的次數 來表示。o 的定義 若f n 是正整...