时间复杂度的计算----摘自百度百科

1.一般情况下，算法中基本操作重复执行的次数是问题规模 n 的某个函数，用 T(n)表示，若有某个辅助函数 f(n)，使得 T(n)/f(n)的极限值（当 n 趋近于无穷大时）为不等于零的常数，则称 f(n)是 T(n)的同数量级函数。记作 T(n)=O(f(n))，称 O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。
分析：随着模块 n 的增大，算法执行的时间的增长率和 f(n) 的增长率成正比，所以 f(n) 越小，算法的时间复杂度越低，算法的效率越高。

---

2. 在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数，再找出 T(n) 的同数量级
   （它的同数量级有以下：1，logn，n，n logn ，n 的平方，n 的三次方，2 的 n 次方，n!），
   找出后，f(n) = 该数量级，若 T(n)/f(n) 求极限可得到一常数 c，则时间复杂度 T(n) = O(f(n))
   例：算法：

for(i=1; i<=n; ++i)
{
    for(j=1; j<=n; ++j)
    {
        c[i][j] = 0;//该步骤属于基本操作执行次数：n的平方次
        for(k=1; k<=n; ++k)
            c[i][j] += a[i][k] * b[k][j];//该步骤属于基本操作执行次数：n的三次方次
    }
}

则有  ，根据上面括号里的同数量级，我们可以确定 n 的三次方 为 T（n）的同数量级
则有   ，然后根据 T(n)/f(n) 求极限可得到常数 c
则该算法的时间复杂度：T(n) = O(n^3) 注：n^3 即是 n 的 3 次方。

---

3.在 pascal 中比较容易理解，容易计算的方法是：
看看有几重 for 循环，
只有一重则时间复杂度为 O(n)，
二重则为 O(n^2)，
依此类推，
如果有二分则为 O(logn)，
二分例如快速幂、二分查找，
如果一个 for 循环套一个二分，那么时间复杂度则为 O(nlogn)。