什么是时间复杂度？
在计算机科学中，算法时间复杂度是一个函数，它定量描述了该算法的运行时间。时间复杂度通常用来估计指令的执行次数，也称为渐进时间复杂度，表示算法的执行时间与问题规模之间的增长关系。
时间复杂度的分类
时间复杂度按数量级递增排列，从小的 O(1) 到大的 O(n^2)。
- O(1): 恒定时间复杂度，无论数据的规模增大，算法执行的时间都是恒定的。
- O(logn):对数时间复杂度，常见于二叉搜索树，折半查找，二分查找。
- O(n): 线性复杂度，相当于进行 n 次操作，耗时随数据规模线性增长。
- O(n^2): 平方级复杂度，常见于双重循环，算法执行时间会随数据规模的平方级增长。
- O(n^3)：立方级复杂度，常见于三重循环，执行时间会随数据规模的立方级增长，效率非常低下。
- O(2^n)：指数级复杂度，执行时间呈指数型增长，效率极低。
时间复杂度的优化
在实际开发中，提高算法效率、降低时间复杂度往往可以带来意想不到的收益。从实际应用角度出发，常见的算法时间复杂度优化包括：
- 算法的表现形式，数据适当压缩
- 用空间换时间，存储中间结果，减少计算量
- 从根本上进行算法结构的调整，降低时间复杂度
