关于时间复杂度：
在计算机科学中，算法的时间复杂度（Time complexity）是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串>的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦>即考察输入值大小趋近无穷时的情况。例如，如果一个算法对于任何大小为 n （必须比 n0 大）的输入，它至多需要 5n3 + 3n 的时间运行完>毕，那么它的渐近时间复杂度是 O(n3)。
------来源:https://zh.wikipedia.org/wiki/%E6%97%B6%E9%97%B4%E5%A4%8D%E6%9D%82%E5%BA%A6
为了计算时间复杂度，我们通常会估计算法的操作单元数量，每个单元运行的时间都是相同的。因此，总运行时间和算法的操作单元数量最多相差一个常量系数。
Step：
1、用常数1替代语句频度中所有的加法项
2、在（1）的结果中，只保留数的最高项
3、最高阶项若系数不为1，则去除系数（或是改为1）
如果你没看懂，那继续往下看，笔者以例子与你详细介绍：
例子1：
for(int sum=0,i = 0;i < N;i++) //1、
for(int j = 0;j <N;j++) //2、
sum=sum+i*j; //3、
我们以一个语句记为1次，来：
1、1+ (N+1)+N （这里定义两个变量共一次，而中间循环 理论是判断是N次,但是实际上应该是N+1 最后等于N时还有判断1次 0~N 故为N+1，循环变量的递增一共是N次）
2、N+N(N+1)+NN（这里由第一个循环进入第二个循环，一共是N次，那么将会定义N次，单独分析判断语句它将会像第一层循环一样，一个判断N次 再算上 第一次循环进入第二次循环共有N次 故 为N(N+1) 后面类似 NN ）
3、NN（第二层循环进入最里面语句 N次 第一层循环进入第二层循环 共N次 故实际为NN次）
那么累加一下:
1+(N+1)+N+N(N+1)+NN+NN 保留最高项 N*N
故算法的时间复杂度为O(N^2)
例子2:
int j = 0;
for(int sum = 0,i = 1;i < N;i = i*2) //1、
sum = sum+i*j; //2、
看到这程序片段，你是不是一眼就得出答案了？如果你不注意的话，你的答案肯定是O(N)，对了吗？
先告诉你答案为O(log(N)) 不是这个答案的，你可以试试代个确切的N值进去 看一下次数,自己体会一下，那么下面我和大家一起分析下：
1、1+log(N)+1+log(N)
2、log(N)
其实这里做判断的时候，应该看一下循环变量的递增方式，这里它是i=i*2 也就是 2^x=N 那么X=log2(N) x就是次数，在计算复杂度里面，一般省略底数，也就是直接写log(N),其他的计算方法与上面的解释一致。
例子3:
for(int sum=0,i = 0;i<N;i++) //1、
for(int j = 1;j < N;j = j*2) //2、
sum=sum+i*j; //3、
答案分析:
1、1+N+1+N
2.N+N(log(N)+1)+Nlog(N)
3、Nlog(N)
时间复杂度O(Nlog(N))
如果你认真从上看下来，这里我相信你应该 能够理解如何去计算时间复杂度了，那么任何程序相信在你们自己的简单化下，应该都能分出它们的大致大O阶。
那么，关于算法的时间复杂度就描述到这里。
