浅谈时间复杂度

1.时间复杂度是什么？

有人说，这还不简单，不就是在给定输入规模时，求所执行的基本操作数量吗？就是次数如下：

int n=10;
int count=0;
for(int i=0;i<n;i++){//循环次数
     for(int j=0;j<n;j++){//执行深度
         count++;
   }
 }
//count=100

看到这个，时间复杂度无疑是O(n^2)，再看看下面的

int n=10;
int count=0;
for(int i=0;i<n;i++){
    for(int j=0;j<i;j++){
       count++;
   }
 }
//count=45

看到这个，时间复杂度也是O(n^2)，这里要出来一个概念，次数和时间复杂度的区别：

第一个程序运行的次数是100（n*n=n^2），第二个程序运行的次数是45（0+1+2+3+4+...........+n-1=n*(n-1)/2），时间复杂度一样的原因是：当n趋于无穷大时可忽略常数，-1，/2可忽略。但是时间复杂度是在次数的基础上计算出来的。而次数就是循环次数*执行深度。

2.什么是大O？

比如我说一个变量x,并且有x在[a,b]这个区间,就表示了上界是a下界是b，对于变量x的取值范围来说，最大不超过b,最小不小于a。在算法中，上界就是对于一种资源的限制最大不大于的值，下界就是对于这种资源的限制最小不小于的值。这里的资源可以是时间、空间、带宽……

所以当n趋于无穷时，O(2n^2)=O(n^2)，O(n*(n-1)/2)=O(n^2)，O(5n)=O(n)，O(5)=O(1)。

总结来说，大O表示算法执行的最低上界。

3.为什么要进行计算时间复杂度？

我们先来看张图：

如果老板给你一个任务，让你对公司的账单从大到小进行排序，你可能会直接使用数据库自带的语句order by，的确，这是个好办法。如果你细致了解数据库，数据库的底层使用了B+树为数据建立了索引，时间复杂度明显降低。换个简单例子，如果老板让你把一堆数字进行排序，你可能最先想到选择排序，每次选择最小的数。老板说，这个太耗时了，你又会想到快速排序，选择一个基准数进行比较。老板又说，我给你的这些数基本有序，你又会想到插入排序，因为插入排序在基本有序的时候，算法复杂度接近O(n)。老板说，我还想快点，你想到了快速排序与插入排序的结合，等到快速排序排到很有序的时候，插入排序就有作用了。老板又说，我想在这些排序好的数字找到中间的数，这时候你可能想到，我直接数组[(0+n)/2]输出就行了，对的，因为数组本身就是一种很快的数据结构，相当于给每个数建立了索引，就可以直接取出数来，时间复杂度复杂度O(1)。

梳理一下：时间复杂度分别向O(n^2)，O(nlogn)，O(n)，O(nlogn)+O(n)，O(1)演变

为什么要这样演变呢？

时间复杂度的演变，就是为了更快更好的解决问题，使其效率越来越高。

另外贴出问题规模与执行时间之间的关系图：

上面关于排序的优化的文章我在前面已经做出Java代码的演示，地址：从优化的角度谈谈排序

谢谢大家的阅读，博客不易，转载请注明地址。