複雜度分析是整個演算法學習的精髓，只要掌握了它，資料結構和演算法的內容基本上就掌握了一半。
int
cal(
int n)
return sum;
}//總共執行了2n+2次
t(n) 表示**執行的時間；n 表示資料規模的大小；f(n) 表示每行**執行的次數總和。因為這是乙個公式，所以用 f(n) 來表示。公式中的 o，表示**的執行時間 t(n) 與 f(n) 表示式成正比。
所以例子**執行時間 t(n) = o(2n+2) 就是大 o 時間複雜度表示法
大 o 時間複雜度實際上並不具體表示**真正的執行時間，只是表示**執行時間隨資料規模增長的變化趨勢，所以，也叫作漸進時間複雜度（asymptotic time complexity），簡稱時間複雜度。
1. 只關注迴圈執行次數最多的一段**
大 o 這種複雜度表示方法只是表示一種變化趨勢 ，通常會忽略掉公式中的常量、低階、係數，只需要記錄乙個最大階的量級就可以啦
我們在分析乙個演算法、一段**的時間複雜度的時候，也只關注迴圈執行次數最多的那一段**就可以了。這段核心**執行次數的 n 的量級，就是整段要分析**的時間複雜度
int
cal(
int n)
return sum;
}
2. 加法法則：總複雜度等於量級最大的那段**的複雜度
int
cal(
int n)
int sum_2 =0;
int q =1;
for(
; q < n;
++q)
int sum_3 =0;
int i =1;
int j =1;
for(
; i <= n;
++i)
}return sum_1 + sum_2 + sum_3;
//100+n+n^2
}
第一段的時間複雜度是多少呢？這段**迴圈執行了 100 次，所以是乙個常量的執行時間，跟 n 的規模無關。即便這段**迴圈 10000 次、100000 次，只要是乙個已知的數，跟 n 無關，照樣也是常量級的執行時間。當 n 無限大的時候，就可以忽略。儘管對**的執行時間會有很大影響，但是回到時間複雜度的概念來說，它表示的是乙個演算法執行效率與資料規模增長的變化趨勢，所以不管常量的執行時間多大，我們都可以忽略掉。因為它本身對增長趨勢並沒有影響。
那第二段**是o(n)和第三段**是 o(n^2)
綜合這三段**的時間複雜度，我們取其中最大的量級。所以，整段**的時間複雜度就為 o(n^2)。也就是說：總的時間複雜度就等於量級最大的那段**的時間複雜度。那我們將這個規律抽象成公式就是：
如果 t1(n)=o(f(n))，t2(n)=o(g(n))；那麼 t(n)=t1(n)+t2(n)=max(o(f(n)), o(g(n))) =o(max(f(n), g(n)))
3. 乘法法則：巢狀**的複雜度等於巢狀內外**複雜度的乘積
如果 t1(n)=o(f(n))，t2(n)=o(g(n))；那麼 t(n)=t1(n)*t2(n)=o(f(n)) * o(g(n))=o(f(n)*g(n)).
當i>n時候才停止：i=1 ，21，22, 2^3 ,2^x
當 2^x>n時候停止，求出x的值，所以x=log2n ，所以的時間複雜度為o(log2n)
**所有對數階的時間複雜度都記為 o(logn) **
如果一段**的時間複雜度是 o(logn)，我們迴圈執行 n 遍，時間複雜度就是 o(nlogn) 了。而且，o(nlogn) 也是一種非常常見的演算法時間複雜度。比如，歸併排序、快速排序的時間複雜度都是 o(nlogn)。
演算法效率 1 時間複雜度 2 空間複雜度。
3 空間複雜度 1.演算法效率 演算法效率分析分為兩種 第一種是時間效率，第二種是空間效率。時間效率被稱為時間複雜度，而空間效率被稱作空間複雜度。時間複雜度主要衡量的是乙個演算法的執行速度，而空間複雜度主要衡量乙個演算法所需要的額外空間，在計算機發展的早期，計算機的儲存容量很小。所以對空間複雜度很是...
day5時間複雜度
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多，它...
演算法01 時間複雜度
演算法，通俗來說，就是被設計出來用於解決某個或某類問題，具有一定通用性的計算流程和方法。解決某個問題，通常有不止一種演算法。評價乙個演算法的優劣，從3個方面進行考察 時間複雜度 額外空間複雜度 常數項時間 通常用最壞時間複雜度 大寫o 來表示乙個演算法的時間複雜度。通常估計乙個演算法的時間複雜度是這...