目录
前言
本文介绍数据结构的入门——时间复杂度。将会对时间复杂度进行剖析，通过例题讲解时间复杂度的应用范围和注意事项。
一、时间复杂度
概念：算法的时间复杂度是一个函数：（是数学含义上的函数）数据里面带未知数的函数式。
含义：算法在机器中运行所消耗的时间。
实际意义：算法中基本操作的执行次数。
作用和理解：降低占用内存和减少运行时间，提高效率。
好的算法相当于拿着筷子吃饭，差的算法相当于拿着竹竿吃饭，又长又麻烦。
二、大O表示法
大O符号（Big O notation）:用于描述函数渐进行为的数学符号（描述时间复杂度）
推导大O阶方法：
1，用常数1取代运行次数中的所有加法常数；
2，在修改后的运行次数函数中，只保留最高阶项；
3，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；
含义：（保留最高阶的未知数，不保留常系数）。
三，实例介绍
例1：O(N^2)
找到某条基本语句与问题规模N之间的数学表达式，就是算出了算法的时间复杂度。
例2：O（1）
例3：O(M +N)
（重点）例4：O（N）
const char* strchr(const char *str,int character);
whlie（*str）
{
if（*str==chaeacter）
return str；
else
++str;
}
return NULL;
例5：冒泡排序（ O(N^2) )
例6：二分法查找(O（log2N）)
例7：
(1)递归法（阶乘）O(N) | O(1)
（2）递归法（斐波那契数列)（ O(2^N）)
总结
1.本次讲了时间复杂度的基本认识。
通过对7例不同的时间复杂度的分析，我们可以得出以下结论：
（1）时间复杂度不局限与循环有关，核心是与算法思想有关。
（2）时间复杂度主要取其最坏循环次数。
（3）通过对时间复杂度的认识，能更好的对我们的程序进行优化。
