时间复杂度o(1), o(n), o(logn), o(nlogn) 说明
< 返回列表时间: 2018-07-23来源:OSCHINA
在描述算法时通常用o(1), o(n), o(logn), o(nlogn) 来说明时间复杂度
o(1):是最低的时空复杂度,也就是耗时/耗空间与输入数据大小无关,无论输入数据增大多少倍,耗时/耗空间都不变。 哈希算法就是典型的O(1)时间复杂度,无论数据规模多大,都可以在一次计算后找到目标(不考虑冲突的话)
O(n):代表数据量增大几倍,耗时也增大几倍。(n)代表输入的数据量,比如 常见的遍历算法
O(n^2):代表数据量增大n倍,时间复杂度就是n的平方倍,比如 冒泡排序,就是典型的O(n^2)的算法 ,对n个数排序,需要扫描n×n次。
O(logn):当数据增大n倍时,耗时增大logn倍(这里的log是以2为底的,比如,当数据增大256倍时,耗时只增大8倍,是比线性还要低的时间复杂度)。 二分查找就是O(logn)的算法 ,每找一次排除一半的可能,256个数据中查找只要找8次就可以找到目标
O(nlogn):同理,就是n乘以logn,当数据增大256倍时,耗时增大256*8=2048倍。这个复杂度高于线性低于平方。 归并排序就是O(nlogn)的时间复杂度 。
热门排行