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，只需知道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，哪个算法中语句执行次数多，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)。
2.计算方法
1. 一般情况下，算法的基本操作重复执行的次数是模块n的某一个函数f（n），因此，算法的时间复杂度记做：T（n）=O（f（n）） 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，Log2n ，n ，nLog2n ，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 T（n）= n的平方+n的三次方，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f（n）= n的三次方，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的三次方）
3.分类
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),线性阶O(n), 线性对数阶O(nlog2n),平方阶O(n2)，立方阶O(n3),...， k次方阶O(nk), 指数阶O(2n) 。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本回答被提问者和网友采纳
...x=0; for(i=1;i<n;i++) for(j=1;j<=n-i;j++) x++; 希望可以分析的具 ...
语句1：x=0；语句2：for(i=1;i<n;i++)语句3：for(j=1;j<=n-i;j++)语句4：x++;语句1执行1次；语句2 中循环控制变量i 要增加到n，测试 i=n成立才会终止，故频度是n+1。但它的循环体却只能执行n次；语句3作为语句2循环体内的语句，应该执行n次，但语句3本身要执行n+1次，所以频度...
x=0; for(i=1; i<n; i++) for (j=1; j<=n-i; j++) x++;
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，log2n，n，n...
x=0;for(i=1;i<n;i++) for(j=1;j<n-i;j++)x++的时间复杂度是多少
综上，结果为N(N+1)(N+2)\/6，时间复杂度为O(N的立方)
x=0 for(i=1;i<n;i++) for(j=1;j<n-i;j++)x++的时间的复杂度
当 i=2时，x++执行n-3次；当 i=3时，x++执行n-4次；。。。当 i=n-2时，x++执行1次；当 i=n-1时，x++执行0次；所以x++的执行次数为1+2+...+(n-2) = (n-1)*(n-2)\/2 故时间复杂度为O(n^2)
x=0; for(i=1;i<n;i++) for(j=1;j<n;j++) x++时间复杂度
O(n的平方) i从1到n循环n次， j从1到n循环n次所以他的时间复杂度取最高次就是O(n的平方)
...{ int i,x=0; for(i=1;i<=n;j++) for(j=i+1;j<=n;j++) x++; }...
i=1;程序运行n-1次，因为j从2取到n,共n-1个数，即运行n-1次，i=2;程序运行n-2次；i=3：n-3次 ...i=n-1: 1次 i=n 0次 所以总次数为0+1+2+...+n-1=(n-1)*n\/2次，所以时间复杂度为O(N^2)
X=0;for(i=1;i<n;i++)for(j=1;j≤n-i;j++) x++;
for(i=1; i<n; i++) 就是 i 从 1 到 n-1，循环 n - 1 次 for(j=1; j<=n-i; j++) 就是 j 从 1 到 n-i，循环 n - i 次 总的时间复杂度为:(n-1)+(n-2)+……(n-(n-1))= n*(n-1) - (1 + 2 + …… (n - 1))= n*(n-1) - n*(n-1)\/2 = ...
x=0;for(i=1;i<n;i++) for(j=1;j<n-i;j++)x++的时间复杂度是多少
o(n的平方)i从1到n循环n次，j从1到n循环n次所以他的时间复杂度取最高次就是o(n的平方)
x=0; for(i=1; i<n; i++) for (j=1; j<=n-i; j++) x++;
(n-1)的平方。
for(i=1;i<=n;i++) for(j=i;j<=n;j++) s++; 分析语句段执行的时间复杂度...
找到这个程序，你可以观察到的延迟，总的周期数为ms * 110正如上面说的1 ms的周期耗时的，如果你想达到你的延迟段长度的目的只能是决定传入的MS。毫秒更大的延迟就越长。3。有关的代码，这中for（j = 110; J - J> 0）;运行正常，但部分没有任何意义。要么改变 为（J = 110; J - ;);...
