算法的時間復(fù)雜度僅與問題的規(guī)模有關(guān)？對于大多數(shù)題庫中算法的時間復(fù)雜性，答案是選擇與問題大小相關(guān)的算法。同時，干擾項(xiàng)往往是計(jì)算機(jī)硬件性能、編譯質(zhì)量、編程語言等。（直接回答）本書的其他版本也提到了它與要處

算法的時間復(fù)雜度僅與問題的規(guī)模有關(guān)？

對于大多數(shù)題庫中算法的時間復(fù)雜性，答案是選擇與問題大小相關(guān)的算法。同時，干擾項(xiàng)往往是計(jì)算機(jī)硬件性能、編譯質(zhì)量、編程語言等。（直接回答）

本書的其他版本也提到了它與要處理的數(shù)據(jù)的初始狀態(tài)有關(guān)，例如它是否有序。（補(bǔ)充答案）

算法的時間復(fù)雜度，即效率，通常只與算法本身的性質(zhì)有關(guān)。算法本身的性質(zhì)還包括所涉及問題的規(guī)模，以及選擇什么樣的算法策略。（個人經(jīng)驗(yàn)）

算法的時間復(fù)雜度，即重復(fù)基本操作的次數(shù)，是問題n大小的函數(shù)f（n）。算法的時間度量是t（n）=O（f（n）），這意味著隨著問題n大小的增加，算法執(zhí)行時間的增長率是最小的與F（n）相同，稱為漸近時間復(fù)雜度，又稱時間復(fù)雜度。讓我舉一個例子來說明，例如，一個排序算法的時間復(fù)雜度O（n），那么運(yùn)行時間與元素?cái)?shù)n成正比，另一個排序算法的時間復(fù)雜度是O（n*logn），那么運(yùn)行時間與n*logn成正比，所以當(dāng)n足夠大時，第一個算法總是快的。但是，如果n不是很大，那么具體的運(yùn)算時間并不總是像前一種算法那樣快，比如剛才第一種算法的實(shí)際速度是100×n，第二種算法的實(shí)際速度是2×n×logn，n=100，那就是第二種算法的速度快

因?yàn)橛?jì)算機(jī)執(zhí)行起來需要時間因此，對于算法的質(zhì)量，我們需要估計(jì)完成計(jì)算所需的時間。

然而，計(jì)算機(jī)消耗的時間是執(zhí)行指令，因此我們估計(jì)的時間復(fù)雜度實(shí)際上是估計(jì)一個程序相對于其輸入可以執(zhí)行多少指令才能給出答案。

如果我們有n個輸入，那么t（n）表示它執(zhí)行的指令數(shù)，然后用t（n）乘以每條指令的執(zhí)行時間就是實(shí)際消耗的時間。

但是每個指令的執(zhí)行時間由計(jì)算機(jī)配置決定，因此不能用于評估算法。因此我們使用t（n），即相對于輸入執(zhí)行的指令數(shù)來表示算法的時間復(fù)雜度。