算法的时间复杂度？

算法的时间复杂度？

"来自1、时间复杂度

（1）时间频度

1个算法执行所耗费的时间，从理论上是不能算出来的360问答，必须上机运行测试才可以知道。但我们不可能也木有必要对每一个算法都上机很毫争测试，只需知道哪个算法花费的时间多，哪个算法花费的时间少就可以了。并且1个算法花费的时间与算法中语句的执行次数蛋群础流将增地世责酒成正比例，哪个算法中语句执行次数多，它花费时间就多。1个算法中的业马有杀语句执行次数称为语阿晚片足离句频度或时间频度。观全改全记为T(n)。

（2）时间复绝航春显杂度

在刚才提到的时间频度中，处n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。但有时我们想知道它变化时呈现啥规律。为此，我们引入时间复杂度概念。

一般情形下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n取去初对站诉业停后),使得当n趋近于无穷大时，T（n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(一队额病呀入n))为算法的渐进时间复杂度，简称时间复杂度。

在各种不一样算法中，若算法中语句执行次数为1个常数，则时间复逐差印北英厚汽来械杂度为O(1),另打到正充案歌曲否外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n^2+3n+4与T(n)=4n^2+2n+1它们的频度不一样，但时间复杂度相同，都为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)，立五点草轮菜呀亮充降似古方阶O(n^3),...，

k次方阶O(nk),指数阶O(2n)。随着问题规模n的不断色皮那织厚情沙增大，上述时间复杂度不断达范矛合却营士海顺流增大，算法的执行效率越以物了尼社低。

2、空间复杂度

与时间复杂度类似，空间复杂度是指算法在计算机内执行时所需存储空间的度量。记作:

S(n)=O(f(n))

我们一般所讨论的是除正常占把冷副图用内存开销外的辅助存储单元规模。讨论方法与时间复杂度类似，不再赘述。"