程序员一代码搬运工
【Java学习心得和Java学习技术个人总结】

时间复杂度o(1), o(n), o(logn), o(nlogn)

经常看到算法的时候有说o(1), o(n), o(logn), o(nlogn)

头晕,今天特意整理下

时间复杂度o(1), o(n), o(logn), o(nlogn)

这是算法的时空复杂度的表示。不仅仅用于表示时间复杂度,也用于表示空间复杂度。

O后面的括号中有一个函数,指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。

时间复杂度为O(1)

是最低的时空复杂度了,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)

时间复杂度为O(n)

就代表数据量增大几倍,耗时也增大几倍。

比如常见的遍历算法。再比如时间复杂度O(n^2),就代表数据量增大n倍时,耗时增大n的平方倍,这是比线性更高的时间复杂度。

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。

时间复杂度为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。

时间复杂度为O(nlogn)

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。

赞(0)
未经允许不得转载:程序员一代码搬运工 » 时间复杂度o(1), o(n), o(logn), o(nlogn)
分享到: 更多 (0)