1、n是演算法的輸入規模，例如有100w的資料需要排序，那麼輸入規模n就是100w
2、輸入規模n對**複雜度的影響，主要體現在迴圈上：
for(i = 1; i < n; i*=2)
當 2*2*2 ... *2 = n(假設x個2相乘時結束)，即2^x = n 結束，執行次數x=log2(n)，再算上執行兩次sys.out，則為：2*log2(n)。我們可以記這個執行次數為t(n)，成為演算法的相對時間。
注意：我們不會統計究竟演算法執行了多長時間，因為這和計算機效能，虛擬機器效能，資料長度等有關，我們只統計邏輯上的執行次數
3、如果存在乙個f(n)，使得當n->無窮大時，有t(n)/f(n)=常數，那麼稱f(n)是t(n)的同數量級函式，記作t(n)=o(f(n))，稱o(f(n))是演算法的漸進時間複雜度，簡稱時間複雜度。
把t(n) 統一為乙個數量級函式o(f(n))，以至於各種不同的演算法，而f(n)可以是一些常見的標準函式，故最終可以統一成如o(n)，o(n^2)，o(log(n))等
4、時間複雜度的統計，如有下面**片段：
sys.out
for(i = 0; i無窮時，與n^2是同數量級函式，所以時間複雜度就是o(n^2)
簡單總結為：
（1）只保留執行次數的最高端項
（2）忽略最高端項的係數
時間複雜度O f n
一 演算法時間複雜度定義 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，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...
演算法複雜度 時間與空間複雜度 O f n
資料結構和演算法本質上是 快 和 省 所以 的執行效率是非常重要的度量 我們採用時間複雜度和空間複雜度來計算 大o複雜度表示法 int sum int n return s t n 1001 1 100n 100n 1 200n 3我們假設執行一行 的時間為t，通過估算，的執行時間t n 與執行次數...
dfs時間複雜度 時間複雜度 空間複雜度
時間複雜度的數學證明方法相對比較複雜，通常在工程實際中，會分析就好。注意 只看最高複雜度的運算 int for for for for int遞迴如何分析時間複雜度？常數係數可以忽略，在分析時不用考慮，只要說以上術語即可。主定理 master throrem 上述第四種是歸併排序，所有排序演算法，最...