演算法的時間複雜度的定義：在進行演算法分析時，語句總的執行次數t（
n）是關於問題規模
n的函式，進而分析
t(n)隨n
的變化情況並確定t（
n）的數量級。演算法的時間複雜度就是演算法時間量度，記作
t(n)=o（f
（n））。它表示隨問題規模
n的增大，演算法執行時間的增長率和
f(n)
的增長率相同，稱作演算法的漸近時間複雜度，簡稱為時間複雜度。
這樣用大寫o（）來體現演算法時間複雜度的記法，我們稱之為大
o演算法。
一般情況下，隨著輸入規模n的增大，
t(n)
增長最慢的演算法稱之為最優演算法。
那麼如何分析乙個演算法的複雜度呢？一般性的規則總結如下：
1）用常數1取代執行時間中的所有加法常數。
2）在修改後的執行次數函式中，只保留最高端項
3）如果最高端存在且不是1，則去除與這個項相乘的常數。
4）得到的最後結果就是大o階
簡單舉個例子：
這部分的程式的效率時o(1)，雖然有
8個語句。
2、線性階
這部分**的執行效率時o(n)，因為迴圈體重的次數需要執行n次。
3、平方階
這部分**為o(n^2)
【擴充套件】：
分析：當i = 0時，內迴圈執行
n次；當
i = 1
時，內迴圈執行了
n-1次
......
當i = n-1
時，內迴圈執行了
1次，所以總的執行時間為n+（
n-1）+（
n-2）
+......+1 = n(n+1)/2
。按照我們上面的規則，最後的大o階為
o（n^2）。
4、對數階
分析：假設有x個
2迴圈之後正好為n,即
2^x= n
，x = log(n),
所以時間複雜度為
o(logn)。
4、函式呼叫的時間複雜度分析
這裡面有兩個巢狀的迴圈，所以最後的時間複雜度為o(n^2)。
常用的時間複雜度所耗費時間從小到大一次是：
o(1)！)
二、演算法空間複雜度
寫**時，用空間來換取時間
比如說：判斷那一年是否為閏年？除了用編演算法來判斷那一年是閏年之外，還可以建立乙個2050 的陣列，如果是閏年就置為
1，不是就為
0，這樣就變成了去這個陣列裡找陣列裡儲存的值是1還是
0。
兩種演算法比起來，第一種演算法明顯很耗費cpu的時間，第二種演算法雖然節省時間，但是建立了乙個
2050
的陣列，浪費了空間。
具體哪個演算法好，要看具體情況，若是微控制器的話，還是第一種演算法比較好。
時間複雜度和空間複雜度 二
演算法時間複雜度的定義 進行演算法分析時，語句總的執行次數t n 是關於問題規模n的函式，進而分析t n 隨n的變化情況並確定t n 的數量級。演算法的時間複雜度，也就是演算法的時間量度，記作t n o f n 它表示隨問題規模n的增大，演算法執行時間的增長率和f n 的增長率相同，稱作演算法的漸進...
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...