实际计算时并不需要那么精确，只需要计算出大概的执行次数，那么这里使用大O的渐进表示法，推导的大O阶方法：
1.用常数1来表示所有的常数。
2.在修改后的运行次数函数中，只保留大O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。
使用大O阶的表示法后，fun的时间复杂度为O(n^2)；
但也有一些算法存在最坏最好的情况：
最坏情况：任意输入规模的最大运行次数(上界)
平均情况：任意输入规模的期望运行次数
最好情况：任意输入规模的最小运行次数（下界）
例如：在一个元素为n的数组中找某个数x
最快次数：1
最坏次数：n
平均次数：n/2
在实际情况中，我们一般用最坏情况作为算法的效率，所以数组中搜索数据的时间复杂度为O（n）。
实例1基本操作执行了2N+10次，通过推导大O阶方法知道，时间复杂度为 O(N)
实例2基本操作执行了M+N次，有两个未知数M和N，时间复杂度为 O(N+M)
实例3基本操作执行了100次，通过推导大O阶方法，时间复杂度为 O(1)
实例4基本操作执行最好N次，最坏执行了(N*(N-1))/2次，通过推导大O阶方法+时间复杂度一般看最坏，
时间复杂度为 O(N^2)
实例5基本操作执行最好1次，最坏O(logN)次，时间复杂度为 O(logN) ps：logN在算法分析中表示是底数
为2，对数为N。有些地方会写成lgN。
6.实例6递归基本操作执行了2N次，所以时间复杂度为O（2N）。
分类: web
标签:
微信号：腾讯云折扣返现
技术讨论QQ群： 863102326
作者: catherine
