什么是时间复杂性以及如何找到它？
我已经阅读了这么多资源，仍然坚持理解时间复杂性。 我读过的资源基于各种公式，我知道O(n)用于表示时间复杂度，但我不知道如何。 请有人以一种可以理解的明确方式向我解释这个原则。
参考： 如何计算时间复杂度算法
我找到了一篇关于如何计算任何算法或程序的时间复杂度的好文章
计算时间复杂度的最常用指标是Big O表示法。 这消除了所有常数因子，因此当N接近无穷大时，可以相对于N估计运行时间。 一般来说，你可以这样想：
statement;
是不变的。 语句的运行时间不会相对于N发生变化。
for ( i = 0; i < N; i++ ) statement;
是线性的。 循环的运行时间与N成正比。当N加倍时，运行时间也是如此。
for ( i = 0; i < N; i++ ) { for ( j = 0; j < N; j++ ) statement; }
是二次的。 两个循环的运行时间与N的平方成正比。当N加倍时，运行时间增加N * N.
while ( low <= high ) { mid = ( low + high ) / 2; if ( target < list[mid] ) high = mid - 1; else if ( target > list[mid] ) low = mid + 1; else break; }
是对数的。 算法的运行时间与N可以除以2的次数成比例。这是因为算法将工作区域与每次迭代分成两半。
void quicksort ( int list[], int left, int right ) { int pivot = partition ( list, left, right ); quicksort ( list, left, pivot - 1 ); quicksort ( list, pivot + 1, right ); }
是N * log（N）。 运行时间由对数的N个循环（迭代或递归）组成，因此算法是线性和对数的组合。
一般来说，对一个维度中的每个项目执行某些操作是线性的，对二维中的每个项目执行某些操作是二次的，将工作区域分成两半是对数的。 还有其他Big O指标，如立方，指数和平方根，但它们并不常见。 Big O表示法被描述为O（），其中是度量。 快速排序算法将被描述为O（N * log（N））。
请注意，这些都没有考虑最佳，平均和最差情况的措施。 每个都有自己的Big O表示法。 另请注意，这是一个非常简单的解释。 大O是最常见的，但它也更复杂，我已经展示过。 还有其他符号，如大欧米茄，小o和大theta。 您可能不会在算法分析课程之外遇到它们。 ;）
编辑：
现在的问题是log n如何进入等式：
- 对于每个步骤，您将在第一个和第二个半部分递归调用算法。
- 因此 - 所需的步骤总数是，如果每个步骤将问题排除2，则从n到1所需的次数。
等式是：n / 2 ^ k = 1.由于2 ^ logn = n，我们得到k = logn。 因此算法所需的迭代次数是O（logn），这将使算法O(nlogn)
此外， 大O表示法使我们易于计算 - 平台无关近似算法将如何渐近地（在无穷大处）表现，这可以将算法的“族”划分为其复杂性的子集，并让我们在它们之间轻松比较。
您还可以查看此问题以获取更多信息： 使用递归方程的程序的时间复杂度
您还应该阅读有关Amortized Analysis以充分理解时间复杂性的概念。 通过考虑所有操作，分摊分析用于具有算法性能的最坏情况界限。
维基百科文章的链接如下，