通常是用 大 o (big o) 表示法，來表示時間最壞複雜度
公式t(n) = o(f(n)) ，f(n) 既函式總執行次數
推導大o階方法 ：
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
3. 如果最高端存在且不是 1 ，則去除與這個項相乘的常數
常數階__o(1)
示例：
int sum = 0 ,n=100;
sum = n+1
printf("&d",sum)
// 共執行 3 次
// 根據 大o 推導法，把常數換成 1 ，則結果是 o(1)
示例：
for( int i = 0; i < n; i++)
//共執行 n 次
//根據大o推導法，只取最高端。 所以是 o(n)
示例：
for( int i = 1; i < n ; i++ )
// 此時 i 以自身倍數在倍增
// 則總執行次數 = 1 + 3 *（log2(n)）
// 根據大o推導法。去除常數,保留最** o( logn )
for( int i = 0; i < n ; i++ )
}//總執行次數 = 外迴圈 1 + 2n + 內迴圈 n * (1 + 3n)
//可得 1 + 2n + n * (1 + 3n )
//可得 1 + 2n + n + 3n^2
//根據大o 去除常數，保留最高端既 o(n^2)
for( int i = 1; i < n ; i *= 2 ) }
//執行總次數 = 外迴圈 1 + 2 * log2(n) + 內迴圈 log(n) * (1 + 3n)
//得 1 + 2 * log2(n) + log2(n) * (1 + 3n)
//得 1 + 3log2(n) + 3 * nlog2(n)
//根據大o .則 = o(nlogn)
時間複雜度耗費時間從小到大依次排列：
o(1) < o(log(n)) < o(n) < o(nlogn) < o(n^2 < o(n^3) < o(2^n) < o(n! < o(n^n))
時間複雜度解析
演算法，作為乙個programmer應該再清楚不過。乙個演算法的好壞是依靠什麼標準 來評判的呢？那就是時間複雜度和空間複雜度。今天就來 下時間複雜度，什麼是時間複雜度呢？在電腦科學中，時間複雜性，又稱時間複雜度，演算法的時間複雜度是乙個函式，它定性描述該演算法的執行時間。這是乙個代表演算法輸入值的字...
解析時間複雜度和空間複雜度
說明 時間複雜度和空間複雜度從字面上理解 時間複雜度 時間複雜度的表示方法 一般用大o符號表示法表示，o f n n是影響複雜度變化的因子，f n 是複雜度的演算法。這個表示方法不是具體的運算時間，而是 執行時間的增長變化趨勢。隨著n的增長，演算法的執行運算時間增長速度記為f n 常見的時間複雜度量...
時間複雜度深度解析
從字面解析，就是乙個演算法執行的時間，很多小夥伴都想到了把演算法程式執行一遍，那麼消耗的時間就自然而然的知道了，這種方式是可以的，但是有很多的弊端，很容易受到執行環境的影響，效能的高低相差很大，對使用的資料規模也有關係。所以還是不能完整的去執行它。這樣一種通用的方式就誕生了，大o符號表示法 在 大o...