0时间复杂度

如果要精确研究循环的条件执行了多少次，是个很麻烦的事情，又因为真正计算是循环结构的循环体。所以在研究算法效率时候，我们只关系核心代码的执行次数。这样

简化分析。

关键就是一句话：把最重要的核心操作的次数与输入规模关联起来。当输入规模不断增大时，算法增长量（核心代码执行次数）的一个抽象规律

1.算法函数中的常数可以忽略；

2.算法函数中最高次幂越小，算法效率越高。(最核心)

3.算法函数中最高次幂的常数因子可以忽略；(f(3n^2) 和f(n^2) 算法效率一样)

大O记法：时间复杂度的度量

大O记法的规则：

1：用常数1取代运行时间中的所有加法常数

2：在修改后的运行次数中，只保留最高次数项，并且去掉最高次数项前面的系数（系数变为1）

语句总的执行次数T(n)是关于问题规模N的函数。算法的时间复杂度就是算法时间度量，记作T(n)=O(f(n)).(默认前提是执行次数=执行时间)

T(n)=O(f(n)) 也就说明随着N输入规模增大，T(n)增长最慢的算法为最优算法；而T(n)增长快慢由f(n)算法函数决定。

 

 

 如果时间复杂度是平方阶或者更复杂，应该进行算法优化。反正超过平方阶的函数就需要优化。

函数嵌套调用的时间