如果算法里面只有加减法，则算法时间算加减法的次数。
如果算法里面包含加法和乘法，则算法时间一般只算乘法次数，因为计算机计算加减法很快，可忽略。
时间复杂度的渐进表示法

• $T(n)=O(f(n))$表示存在常数 $C>0$， $n_0>0$使得当 $n>geq n_0$时有 $T(n)\leq C·f(n)$
• $T(n)=\Omega(g(n))$表示存在常数 $C>0$， $n_0>0$使得当 $n\geq n_0$时有 $T(n)\geq C·g(n)$
• $T(n)=\theta(h(n))$表示同时有 $T(n)=O(h(n))$和 $T(n)=\Omega(h(n))$

$O(f(n))$可有无数种表达方式，一般取最小的上界
$\Omega(g(n))$可有无数种表达方式，一般取最大的上界

时间复杂度分析小窍门

• 若两端算法分别有复杂度 $T_1(n)=O(f_1(n))$和 $T_2(n)=O(f_2(n))$，则
  $T_1(n)+T_2(n)=max(O(f_1(n)), O(f(n)))$
  $T_1(n)+T_2(n)=O(f_1(n)\times f_2(n))$
• 若 $T(n)$是关于n的k阶多项式，则 $T(n)=\theta(n^k)$
• 一个for循环的时间复杂度等于循环次数乘以循环体代码的复杂度
• if-else结构的复杂度取决于if的条件判断复杂度和两个分枝部分的复杂度，总复杂度取三者中最大