@[toc]
一、简介
计算时间复杂度的3个出发点，掌握这三个出发点，那么一向搞不懂的时间复杂度就可以迎刃而解啦。
- 找到执行次数最多的语句
- 语句执行语句的数量级
- 用O表示结果
然后：
- 用常数1取代运行时间中的所有加法常数
- 在修改后的运行次数函数中，只保留最高阶项
- 如果最高阶项存在且不是1，那么我们就去除于这个项相乘的常数。比如3n^2我们取n^2
最后就可以得到你们想要的结果了。
二、时间复杂度：O（1）
我们来看一下这个例子，用的是java，内容就是打印8条语句，问这个程序的时间复杂度是多少？
public class TS {
public static void main(String[] args) {
System.out.println("111");
System.out.println("111");
System.out.println("111");
System.out.println("111");
System.out.println("111");
System.out.println("111");
System.out.println("111");
System.out.println("111");
}
}
AI 代码解读
O（8）？ 当然不是！！！按照时间复杂度的概念T（n）是关于问题规模为n的函数”，这里跟问题规模有关系吗？没有关系，用我们的第一个方法，时间复杂度为O（1）。
三、时间复杂度：O（n）(线性阶）
public class TS {
public static void main(String[] args) {
int sum = 0;
for(int i=1;i<=100;i++) {
sum = sum + i;
}
}
}
AI 代码解读
时间复杂度为O（n）。
四、时间复杂度：O（n^2）(平方阶）
public class TS {
public static void main(String[] args) {
int sum = 0;
for(int i=1;i<=100;i++) {
for(int j=1;j<=100;j++)
sum = sum + i;
}
}
}
AI 代码解读
外层i的循环执行一次，内层j的循环就要执行100次，所以外层执行100次，那么总的就需要执行100*100次，那么n次呢？就是n的平方次了。所以时间复杂度为：O（n^2）。
平方阶的另外一个例子：
public class TS {
public static void main(String[] args) {
int sum = 0;
for(int i=1;i<=100;i++) {
for(int j=i;j<=100;j++)
sum = sum + i;
}
}
}
AI 代码解读
当i=1的时候执行n次，当n=2的时候执行（n-1）次，......
一直这样子下去就可以构造出一个等差数列：n+（n-1）+（n-2）+......+2+1
根据等差数列的求和公式：
或者：
求和易得： n+n(n-1)/2整理一下就是n(n+1)/2然后我们将其展开可以得到n^2/2+n/2。
根据我们的步骤走，保留最高次项，去掉相乘的常数就可以得到时间复杂度为：O（n^2）
五、时间复杂度：O(log2n)（对数阶）
public class TS {
public static void main(String[] args) {
int i=1;
int n= 100;
while(i<n) {
i = i*2;
}
}
AI 代码解读
2^x = n,所以时间复杂度为O(log2n)。
六、总结
补充常用的时间复杂度所耗费的时间从小到大依次是：
O(1 )< O(logn) < O(n) < O(n*logn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
AI 代码解读
最坏情况与平均情况：
平均运行时间： 是期望的运行时间。
最坏的运行时间： 是一种保证。我们提到的运行时间都是最坏的运行时间。
