时间复杂度:
(代码每行运行的次数总和,大O符号表示法:描述代码执行时间的增长变化趋势)
常见时间复杂度(按效率排序)
O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n²logn) < O(n³)
对数阶O(logn):
当算法中循环出现折半的时候,就会出现对数阶
例子:
线性对数阶O(nlogn):
for m in n:
i = 1
while(i<n):
i = i * 2
时间复杂度:
(代码每行运行的次数总和,大O符号表示法:描述代码执行时间的增长变化趋势)
常见时间复杂度(按效率排序)
O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n²logn) < O(n³)
对数阶O(logn):
当算法中循环出现折半的时候,就会出现对数阶
例子:
线性对数阶O(nlogn):
for m in n:
i = 1
while(i<n):
i = i * 2