本篇博文非博主原创，系通过度娘收集整理而来，如有雷同，请联系博主，追加上转载出处。同时博主水平和理解有限，如有什么偏差请广大博友指定。
学习交流qq:792911374
时间复杂度
同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。一个算法的时间开销记作：T(n),其中n表示算法的基本操作模块被重复执行的次数。算法的时间复杂度记做T(n)=O(f(n))，随着n的增大，算法执行时间的增长率和f(n)的增长率成正比，所以f(n)越小，算法的时间复杂度越低，算法的效率越高。时间复杂度常用大O符号表述。这种用大写的O来代表算法的时间复杂度的记法叫"大O阶"记法。
算法的时间复杂度(大O阶)的计算方法为：
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留高阶项。
3、如果最高阶项存在且不是1，则去除与这个项相乘的常数。
也就是当n增大到一定值后，对时间复杂度影响最大的就是n的幂次最高的项，其他的常数项和低幂次项都可以忽略不计。
例如：
在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数。例如：
1 int n = 100000; //执行了1次
2 for(int i = 0; i < n; i++){ //执行了n+1次
3 for(int j = 0; j < n; j++) //执行了n*(n+1)次
4 {
5 printf("i = %d, j = %d", i, j); //执行了n*n次
6 }
7 }
8
9 for(int i = 0; i < n; i++){ //执行了n+1次
10 printf("i = %d", i); //执行了n次
11 }
12
13 printf("Done"); //执行了1次
按上面推导"大O阶"的步骤我们先来第一步："用常数1取代运行时间中的所有加法常数"，则上面的算式变为:
执行总次数 = 2n^2 + 3n + 1;
第二步："在修改后的运行次数函数中，只保留最高阶项"，这里的最高阶项是n的二次方
所以算式变为：
执行总次数 = 2n^2;
第三步："如果最高阶项存在且不是1，则去除与这个项相乘的常数"，这里n的二次方不是1所以
要去除这个项相乘的常数算式变为:
执行总次数 = n^2;
因此，最后我们得到上面的那段代码的算法时间复杂度表示为: O(n^2);
按数量级递增排列，常见的时间复杂度有：
常数阶O(1), 对数阶O(log2n),线性阶O(n)
线性对数阶O(nlog2n), 平方阶O(n^2), 立方阶O(n^3)..., k次方阶O(n^k), 指数阶O(2^n),随着问题规模n的不断增大，
上述时间复杂度不断增大，算法的执行效率越低。
如：嵌套一层for循环的时间复杂度为:O(n),二层for循环为O(n^2)，二分的算法时间复杂度为:O(logn)，如果一个for循环套一个二分，那么时间复杂度为O(nlogn);