从【时间复杂度】到【函数的渐进上界】

函数渐进上界：一般意义上的时间复杂度

给定一个输入大小为 n 的函数：

void algorithm(int n) {
    int a = 1;  // +1
    a = a + 1;  // +1
    a = a * 2;  // +1
    // 循环 n 次
    for (int i = 0; i < n; i++) { // +1（每轮都执行 i ++）
        System.out.println(0);    // +1
    }
}

设算法的操作数量是一个关于输入数据大小 n 的函数，记为 T(n)，则以上函数的操作数量为：

T(n) 是一次函数，说明其运行时间的增长趋势是线性的，因此它的时间复杂度是线性阶。

我们将线性阶的时间复杂度记为O(n) ，这个数学符号称为大O记号（big-O notation），表示函数 T(n) 的 渐近上界（asymptotic upper bound）。

时间复杂度分析本质上是计算“操作数量T(n) ”的渐近上界，它具有明确的数学定义。

如下图所示，计算渐近上界就是寻找一个函数 f(n) ，使得当 n 趋向于无穷大时， T(n) 和 f(n) 处于相同的增长级别，仅相差一个常数项 c 的倍数。