算法时间复杂度计算
定义：
一般情况下，算法时间复杂度就是算法中基本操作重复执行的次数。
计算方法：
先找出算法的基本操作，然后计算出它们的执行次数，忽略常量、低次幂和高次幂的系数。用大O来表示时间复杂度。
常见时间复杂度：
1.常数时间复杂度O(1)：如果算法的执行时间不随着问题规模n的增加而增长，即使算法中有上千条语句，其执行时间也不过是一个较大的常数。此类算法的时间复杂度是O(1)。
2.对数阶O(log2n)、线性对数阶O(nlog2n)，除了常数阶以外，该种效率最高。
3.O(z^2)：指数阶时间复杂度，该种不实用，指数爆炸性。
4.对数阶log2n（以2为底10的对数）与lg(n)是等价的，因为对数换底公式：log(a,b)=log(c,b)/log(c,a) =》 忽略掉系数，二者等价。
5.含极限时间复杂度： 1/n 当n趋于无穷大时，1/n趋向于0，所以2*(1/n)*(1/log2n) + 4*(1/log2n) + 3=0。
复杂度与时间效率的关系：
c < log2n < n < n*log2n < n2 < n3 < 2n < 3n < n! （c是一个常量）
|--------------------------|--------------------------|-------------|
较好 一般 较差
一个例子
int num1, num2;
for(int i=0; i<n; i++){
num1 += 1;
for(int j=1; j<=n; j*=2) {
num2 += num1;
}
}
分析
基本语句：
两重for循环中的语句。
第一重for循环的时间复杂度为n。
对于第二重循环的时间复杂度为：
j每循环一次乘了2。
J初始为1，所以循环x从之后j=2^x
J>n时停止循环，也就是2^x > n，此时x=log2n。
所以j循环了log2n次。
所以整个程序的时间复杂度为nlog2n。
参考地址
http://blog.csdn.net/firefly_2002/article/details/8008987