摘要： 
时间复杂度的理解和计算，研究一个算法，我们先给出条件——忽略硬件的影响、忽略待处理数据的具体值，那么显而易得的，不同的单条语句执行时间相同，记为单位时间t。此时，算法执行时间T与所有语句执行次数$f$有关，而所有语句执行次数$f$又与待处理数据规模n有关，因此，T与n有关。我们在测算某个算法的时间效率时，无法做到将每个算法都运行一次。因此，我们通常采用“纸上谈兵”的方法，即在纸面上利用分析估算来研究一个算法的时间效率。“纸上谈兵”要谈什么兵？对，比较不同算法的T(n)的大小，怎么比？对！比值！！在实际生活中，我们通常研究的是${n \to \infty }$时的值的大小，哦~，求极限。用O来表示增长趋势。求时间复杂度时只需要求执行次数最多的语句的执行次数即可 阅读全文
时间复杂度的理解和计算，研究一个算法，我们先给出条件——忽略硬件的影响、忽略待处理数据的具体值，那么显而易得的，不同的单条语句执行时间相同，记为单位时间t。此时，算法执行时间T与所有语句执行次数$f$有关，而所有语句执行次数$f$又与待处理数据规模n有关，因此，T与n有关。我们在测算某个算法的时间效率时，无法做到将每个算法都运行一次。因此，我们通常采用“纸上谈兵”的方法，即在纸面上利用分析估算来研究一个算法的时间效率。“纸上谈兵”要谈什么兵？对，比较不同算法的T(n)的大小，怎么比？对！比值！！在实际生活中，我们通常研究的是${n \to \infty }$时的值的大小，哦~，求极限。用O来表示增长趋势。求时间复杂度时只需要求执行次数最多的语句的执行次数即可 阅读全文