目录
时间复杂度的概念
在计算机科学中，算法的时间复杂度是一个函数（数学上的函数式），它定量描述了该算法的运行时间，一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有把程序放在机器上跑起来，才能知道
所以才有了时间复杂度这个分析方式，一个算法所花费的时间于其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度
时间复杂度函数式
代码演示：
#include<stdio.h>
int main()
{
int N = 0;
scanf("%d", &N);
int count = 0;
// 循环1
for (int i = 0; i < N; i++)
{
for (int j = 0; j < N; j++)
{
count++;
}
}
// 循环2
for (int k = 0; k < N * 2; k++)
{
count++;
}
// 循环3
int M = 10;
while (M--)
{
count++;
}
printf("%d\n", count);
return 0;
}
问：以上代码中的 count++ 语句执行了多少次？
代码解析：
循环1执行了 N*N 次 ；循环2执行了 N*2 次 ；循环3执行了 10 次
**时间复杂度函数式：**F(N) = N*N + N*2 + 10
N = 10 F(N) = 130
N = 100 F(N) = 10210
N = 1000 F(N) = 1002010
代码验证：
大O的渐进表示法的概念
在实际中我们计算时间复杂度时，并不一定要计算精确的执行次数，只需要大概的执行次数，那么就需要使用大O的渐进表示法
大O的渐进表示法
大O符号：是用于描述函数渐进行为的函数符号
推导大O阶的方法：
- 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，则去除与这个项目相乘的常数，得到的结果就是大O阶
使用大O的渐进表示法后，以上时间复杂度函数式：F(N) = N*N + N*2 + 10 就被改写为了：O(N^2)
N = 10 F(N) = 100
N = 100 F(N) = 10000
N = 1000 F(N) = 1000000
结论：
去掉了那些低阶项，大O的渐进表示法对结果的影响不大，且更加简洁明了的表示出了执行次数