算法时间复杂度分析

算法中基本操作重复执行的次数是问题规模n的某
个函数，其时间量度记作 T(n)=O(f(n))，称作算法的
渐近时间复杂度(Asymptotic Time complexity)，简
称时间复杂度。一般地，常用最深层循环内的语句中的原操作的执
行频度(重复执行的次数)来表示。
“O”的定义： 若f(n)是正整数n的一个函数，则 O(f(n))
表示： 存在 M≥0 ，使得当n ≥ n0时，| f(n) | ≤ M | f(n0) | 。
表示时间复杂度的阶有：
O(1) ：常量时间阶 O (n)：线性时间阶
O(㏒n) ：对数时间阶 O(n㏒n) ：线性对数时间阶

举个简单的例子：

for(i=1，i<=n; ++i)
for(j=1; j<=n; ++j)
{ c[i][j]=0 ;
for(k=1; k<=n; ++k)
c[i][j]+=a[i][k]*b[k][j] ; }
由于是一个三重循环，每个循环从