算法中时间空间复杂度说明

时间:2019-06-15
本文章向大家介绍算法中时间空间复杂度说明，主要包括算法中时间空间复杂度说明使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。

　　在描述算法复杂度时,经常用到o(1), o(n), o(logn), o(nlogn)来表示对应算法的时间复杂度,这是算法的时间复杂度的表示。

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

表达式 说明 示例
O(1)

最低时间复杂度，也就是耗时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(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) 数据量增大几倍，耗时也增大几倍。   遍历算法
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） 

1. 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.

2.欧几里德算法(求最大公因数);

3.求幂;
O(nlogn)

n乘以logn，当数据增大256倍时，耗时增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。

参考：https://blog.csdn.net/qq_34229351/article/details/80841482

原文地址：https://www.cnblogs.com/Rawls/p/11027975.html

随机文章
本站知识点必读
最近更新