度量程式執行時間的兩個方法
事後統計，根據演算法的實際執行時間來分析
問題* 過度依賴計算機的硬體設施，無法體現出演算法的優越性
* 需要程式完全執行才能比較，花費過多時間
事前估算，根據演算法的時間複雜度來計算
時間頻度t（n）
1.基本介紹：* 乙個演算法中語句執行的次數稱之為時間頻度 *
乙個演算法花費的時間與演算法中語句執行的次數成正比例，即那個演算法執行的語句次數越多，那就花費時間越多
sum =0;
for(
int i =
0;i <=
100; i ++）
sum =(1
+ i )
* i /
2;
時間複雜度
基本價紹：如果存在函式f（n），使得當n趨於無窮大時，t（n）/f（n）為非零的常數，，那麼f（n）就是和t（n）同數量級的函式，記作t（n） = o（f（n）），o（f（n））稱漸進時間複雜度，簡稱時間複雜度。
計算方法：用常數項代替所有時間頻度t（n）中的常數項——》只保留最高次項——》最高次項的係數
t（n） = 2n2 + 7n + 9
——》 t（n） =2 n2 + 7n + 1
——》 t（n） = 2n2
——》 t（n） = n2,
其中n2即為對應的時間複雜度。
時間頻度不同，他的時間複雜度可能相同
常見的時間複雜度：
int i =1;
i ++
;
int i =1;
while
(i < n)
int j =1;
for(
int i =
0;i < n ;i ++
)
for
(int m =
1;m < n;m ++
)}
for
(int i =
0; i < n;i ++
)}
平均時間複雜度和最壞時間複雜度
基本介紹：
二者關係：取決於你的演算法
以排序演算法為例
排序法平均時間複雜度
最壞時間複雜度
備註冒泡
o（n2）
o（n2）
n小時比較好
交換o（n2）
o（n2）
n小時比較好
選擇o（n2）
o（n2）
n小時比較好
插入o（n2）
o（n2）
當大部分已經排序好再插入排序較好
基數o（logr b）
o（logr b
b是真數，r是基數
shell
o（n log n）
o（ns） 1s是所選分組,n較大時好
快速o（n log n）
o（n2）
n較大時好
歸併o（n log n）
o（n log n）
n較大時好
堆o（n log n）
o（n log n）
n較大時好
空間複雜度
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...