x=n; y=0;while(x>=(y+1)*(y+1)) y=y+1;上面这个怎么算它的时间复杂度呢
时间复杂度为O(n½)，因为while循环在(y+1)²>n时结束，若根号n为整数，则循环根号n次，否则执行根号n-1次。
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。
扩展资料：
时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。
算法复杂度分为时间复杂度和空间复杂度。其作用： 时间复杂度是指执行算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。
算法的复杂性体运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。
时间复杂度为O(n½)，因为while循环在(y+1)²>n时结束，若根号n为整数，则循环根号n次，否则执行根号n-1次。
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。
超越多项式时间
如果一个算法的时间T(n) 没有任何多项式上界，则称这个算法具有超越多项式（superpolynomial）时间。在这种情况下，对于所有常量c我们都有T(n) = ω(n)，其中n是输入参数，通常是输入的数据量（比特数）。
指数时间显然属于超越多项式时间，但是有些算法仅仅是很弱的超越多项式算法。例如，Adleman-Pomerance-Rumely 质数测试对于n比特的输入需要运行n时间；对于足够大的n，这时间比任何多项式都快；但是输入要大得不切实际，时间才能真正超过低级的多项式。
所以时间复杂度是根号n(我记得是取最高复杂就可以了，就是去掉常量表达，所以不用根号n-1)
