时间复杂度：

理论上，执行一个算法消耗的时间，是无法精确计算的，即使上机测试，收到各种因素影响，得到的时间也可能有较大差别。对于程序员，我们只需关注哪个算法花费的时间多，哪个算法花费的时间少就可以了。

针对执行时间，我们可以根据算法执行的语句的次数，进行一个简单的衡量。理论上，一个算法中语句执行次数多，它花费时间相对也多，因此，算法运行的时间与算法中语句的执行次数成正比。我们将算法中的语句的执行次数称为时间频度，表示为T(n)，其中，n表示算法的输入规模，n的变化会引起T(n)的改变。

为了得到T(n)变化时表现的规律，我们引入时间复杂度的概念。若有某个函数f(n),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，表示为T(n)=Ｏ(f(n))，Ｏ(f(n))称为算法的渐进时间复杂度，简称时间复杂度。

接下来我们看一看以下四种情况的时间复杂度：

1. 时间复杂度 O(n)

 public static void main(String[] args) {
        
        int n = 2;  // 执行一次
        // 下边n变成20了之后就会执行20次
        for (int i = 0; i < n; i++) {
           System.out.println(i);
        }
        //忽略常数项部分
        //跟随着n的变化而执行次数也变化，就是O(n)时间复杂度
    }

public static void main(String[] args) {

        int n = 5;//执行一次
        for (int i = 0; i < n; i++) {   这种情况下n就执行5次
            // 内部循环执行2次; 
            // 这就是 O(2n)时间复杂度
            for (int j = 0; j < 2; j++) {
           		System.out.println();
            }
        }
    }

public static void main(String[] args) {

        int n = 5;  //执行一次
        for (int i = 0; i < n; i++) {   // 这种情况下n就执行5次
            // 在这种情况下内部循环j也是执行5次
            // 一共执行了25次 相当于 n * n; 也就是 O(n^2)时间复杂度
            for (int j = 0; j < n; j++) {
                System.out.println();
            }
        }
    }

public static void main(String[] args) {
     	int n = 2; //执行一次
     	System.out.println(n);//执行一次
		// 由于是常数，时间复杂度就为O(1)
    }