我觉得主要考虑和规模大小有关系的代码段，比如循环部分的时间复杂度，对于o(1)代码可以忽略掉
创新互联-专业网站定制、快速模板网站建设、高性价比袁州网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式袁州网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖袁州地区。费用合理售后完善，十多年实体公司更值得信赖。
1、时间复杂度，一般看循环的次数。reverseArray只有一个for循环，次数为n/2，即时间复杂度为n/2。n为数组的大小。reverseArray2有两个for循环，循环次数为n+n=2n。时间复杂度为2n。
2、空间复杂度，是看程序占用的内存大小。reverseArray只是而外的只有一个变量temp，故空间复杂度为1。reverseArray2需要另外new一个数组出来，所以空间复杂度为n。n为数组大小。
for(int p=0;pn*n;p++)
for(int q=0;qp;q++)
sum--;
下面我来简单解释一下为什么是O（n^4）
p的所有取值，以及相对性的sum运算的次数如下
p的取值：0 1 2 3 4 ... (n^2 -1)
sum次数：0 0 1 2 3 ... (n^2 -2)
从上面的式子我们知道sum--执行的次数也就是sum次数的累加和：
0+0+1+2+3+...+(n^-2)=1+2+3+ ... +(n^2 -2)这里我们可以用求和公式，但是需要搞定一个这里有多少项，很明显(n^2 -2)项，带入求和公式如下
=(1+(n^2 -2))*(n^2 -2)/2=(n^2 -1)(n^2 -2)/2=(n^4 -3*n^2 +2)/2
所以答案是O(n^4)
JAVA中算法的时间复杂程度 简而言之就是运算时候的执行次数的统计
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。
