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，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，演算法執行的時間的增長率和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。其中f（n）是問題規模n的某個函式。
--用常數1取代執行時間中的所有加法常數。
--在修改後的執行次數函式中，只保留最高端項。
--如果最高端項存在且不是1，則去除與這個項相乘的常數。
--得到的最後結果就是大o階。
int sum = 0；
sum = （1+n）*n/2;
並不是由多少句就有o（多少）的複雜度，其實常量相加統一為o（1）；
int n=100,sum=0;
for(int i=0;isum=sum+i
這是簡單的for迴圈，在迴圈體中的**需要這姓n次，所以時間複雜度為o（n）；
int i,j,n=100;
for(i=0;ifor(j=0;jprintf();
n=100;外層執行1次，內層執行100次。所以當外層執行100次的時候。需要執行100*100次，也就是n的平方。
所以這段**的時間複雜度為o（n^2)。如果有三個這樣的巢狀迴圈則為o（n^3)。
int i,j,n=100;
for(i=0;ifor(j=i;jprintf();
n+（n-1）+（n-2)+...+1=n(n+1)/2
高斯定理。n^2/2+n/2
推理：根據上面的「分析「推理，第一條忽略，因為沒有常數相加。第二條只保留最高項，所以n/2這項去掉。第三條，去除與最高項相乘的常數，最終o（n^2)。
int i=1,n=100;
while(ii=i*2;
2的x次方等於n 得到x等於log（2）n 所以時間複雜度為logn
一般情況下，隨著輸入規模n的增大，t（n）增長最慢的演算法為最優演算法。
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...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。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 存在乙個正...