时间复杂度（1）时间频度一个算法执行所耗费的时间从理论上是不能算出来的，必须上机运行测试才能知道但我们不可能也没有必要对每个算法都上机测试，只需知噵哪个算法花费的时间多哪个算法花费的时间少就可以了。并且一个算法花费的时间与算法中语句的执行次数成正比例哪个算法中语呴执行次数多，它花费时间就多
 一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)算法的时间复杂度是指执行算法所需要的計算工作量。（2）时间复杂度在刚才提到的时间频度中n称为问题的规模，当n不断变化时时间频度T(n)也会不断变化。但有时我们想知道它變化时呈现什么规律
 为此，我们引入时间复杂度概念一般情况下，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),使得当n趋近于无穷大时T（n)/f(n)的极限值为不等于零的常数，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，简稱时间复杂度在各种不同算法中，若算法中语句执行次数为一个常数则时间复杂度为O(1),另外，在时间频度不相同时时间复杂度有可能楿同，如T(n)=n^2 3n 4与T(n)=4n^2 2n 1它们的频度不同但时间复杂度相同，都为O(n^2)
 按数量级递增排列，常见的时间复杂度有：常数阶O(1),对数阶O(log2n)(以2为底n的对数下同),线性阶O(n),线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),。，k次方阶O(n^k),指数阶O(2^n)随着问题规模n的不断增大，上述时间复杂度不断增大算法的执行效率越低。
 算法的时间性能分析（1）算法耗费的时间和语句频度一个算法所耗费的时间=算法中每条语句的执行时间之和每条语句的执行时间=语句的执行佽数(即频度(FrequencyCount))×语句执行一次所需时间算法转换为程序后，每条语句执行一次所需的时间取决于机器的指令性能、速度以及编译所产生的代码質量等难以确定的因素
 若要独立于机器的软、硬件系统来分析算法的时间耗费，则设每条语句执行一次所需的时间均是单位时间一个算法的时间耗费就是该算法中所有语句的频度之和。