求解演算法的時間複雜度的具體步驟是：
⑴ 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。
⑵ 計算基本語句的執行次數的數量級；
只需計算基本語句執行次數的數量級，這就意味著只要保證基本語句執行次數的函式中的最高次冪正確即可，可以忽略所有低次冪和最高次冪的係數。這樣能夠簡化演算法分析，並且使注意力集中在最重要的一點上：增長率。
⑶ 用大ο記號表示演算法的時間效能。
將基本語句執行次數的數量級放入大ο記號中。
如果演算法中包含巢狀的迴圈，則基本語句通常是最內層的迴圈體，如果演算法中包含並列的迴圈，則將並列迴圈的時間複雜度相加。例如：
for (i=1; i<=n; i++)
x++;
for (i=1; i<=n; i++)
for (j=1; j<=n; j++)
x++;
第乙個for迴圈的時間複雜度為ο(n)，第二個for迴圈的時間複雜度為ο(n2)，則整個演算法的時間複雜度為ο(n+n2)=ο(n2)。
常見的演算法時間複雜度由小到大依次為：
ο(1)＜ο(log2n)＜ο(n)＜ο(nlog2n)＜ο(n2)＜ο(n3)＜…＜ο(2n)＜ο(n!)
ο(1)表示基本語句的執行次數是乙個常數，一般來說，只要演算法中不存在迴圈語句，其時間複雜度就是ο(1)。ο(log2n)、ο(n)、ο(nlog2n)、ο(n2)和ο(n3)稱為多項式時間，而ο(2n)和ο(n!)稱為指數時間。計算機科學家普遍認為前者是有效演算法，把這類問題稱為p類問題，而把後者稱為np問題。
如何計算演算法的時間複雜度
時間複雜度的定義 一般情況下，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，用t n 表示，若有某個輔助函式f n 使得當n趨近於無窮大時，t n f n 的極限值為不等於零 的常數，則稱f n 是t n 的同數量級函式。記作t n o f n 稱o f n 為演算法的漸進 時間複雜度 o是...
計算演算法複雜度
演算法的複雜度分為時間複雜度和空間複雜度 1.時間複雜度 在計算演算法複雜度時一般只用到大o符號，landau符號體系中的小o符號 符號等等比較不常用。這裡的o，最初是用大寫希臘字母，但現在都用大寫英語字母o 小o符號也是用小寫英語字母o，符號則維持大寫希臘字母 常見的演算法時間複雜度由小到大依次為...
如何計算演算法的時空複雜度
演算法 時間複雜度 時空複雜度 推薦 時間複雜度o logn o logn 的出現，一般是採用了分治的思想，演算法體現就是遞迴。logn的底數由演算法的複雜度決定 二分法，底數為2 三分法，底數是3.但是我們把logxn,logyn，x y，n取正無窮大時，會發現其實不同底數的logn只相差乙個常數...