0.時間復雜度：算法執行的次數（或者程序運行所需要的時間）
1.時間=執行次數
2.定義：程序T(n)隨著問題規模n的增加，確定f(n)的數量級，記做 T(n)=O(f(n))，增長率（看程序潛在能力）
3.時間復雜度一般是由嵌套最深層語句的頻度（次數）決定
4.大O推導：

• 常數1取代運行時間中的所有加法常數
• 修改后的運行次數函數中，只保留最高項
• 如果最高項存在且不是1，則去除與這個項相乘的常數
  第二種方法：
• 找出語句頻度最大（執行時間最長）的那一條作為基本語句
• 計算基本語句的頻度得到問題規模n的某個函數f(n)
• 修改后的運行次數函數中，只保留最高項
• 取其數量級O表示
  栗子

x=0,y=0; 1 for(int k=0;k<n;k++) n+1x++; n for(int i=0;i<n;i++) n+1for(int j=0;j<n;j++){ n*（n+1）y++;} n*nf(n)=n(n+1)推論出T(n)=O(n^2) void exam(float x[][],int m,int n){ 代碼執行次數 float sum[]; 1 for(int i=0;i<m;i++){ m+1sum[i]=0.0; m for(int j=0;j<n;j++) m*(n+1）sum[i]+=x[i][j]; m*n } for(i=0;i<m;i++) m+1 cout<<i<<":"<<sum[i]<<endl; m }f(n)=m*(n+1)推導T(n)=O(m*n)

5.時間復雜度最壞，平均，最好三中情況：都是指程序運行時間
一般總是考慮在最壞情況下的時間復雜度，以保證算法的運行時間不會比它更長
6.常數階 ：O(1)
線性階O(n）：一般含有非嵌套循環，隨著問題n的擴大，計算機呈直線增長
平方階O(n^2)：多少個嵌套循壞,就是n的幾次方,隨著變量的遞增，控制循環的變量次數減少

對數階：O(logn)
立方階：O(n^3)
指數階：O(2^n )
nlogn階: O(nlogn)
7.常用時間復雜度所耗時間從小到大依次是：
O(1) 從小到大排序
O(logn)
O(n）
O(nlogn)
O(n^2)
O(n)
O(n^3)
O(2^n )
O(n!)
O(n^n)
8.對數函數中n都在上面，底數具體是多少，看n的取值，一般底數是2
log2 ^0=1

總結

以上是生活随笔為你收集整理的时间复杂度（算法的渐进时间复杂度）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。