由数据范围反推算法复杂度以及算法内容

1.时间复杂度（下）

一般ACM或者笔试题的时间限制是1秒或2秒。

在这种情况下，C++代码中的操作次数控制在 $10^7\sim 10^8$ 为最佳。

下面给出在不同数据范围下，代码的时间复杂度和算法该如何选择：

$n\le 30$, 指数级别, dfs+剪枝，状态压缩dp

$n\le 100$ => $O(n^3)$，floyd，dp，高斯消元

$n\le 1000$ => $O(n^2)$，$O(n^{2}logn)$，dp，二分，朴素版Dijkstra、朴素版Prim、Bellman-Ford

$n\le 10000$ => $O(n\ast \sqrt{n})$，块状链表、分块、莫队

$n\le 100000$ => $O(nlogn)$ => 各种sort，线段树、树状数组、set/map、heap、拓扑排序、dijkstra+heap、prim+heap、Kruskal、spfa、求凸包、求半平面交、二分、CDQ分治、整体二分、后缀数组、树链剖分、动态树

$n\le 1000000$ => $O(n)$, 以及常数较小的 $O(nlogn)$ 算法 => 单调队列、 hash、双指针扫描、BFS、并查集，kmp、AC自动机，常数比较小的 $O(nlogn)$ 的做法：sort、树状数组、heap、dijkstra、spfa

$n\le 10000000$ => $O(n)$，双指针扫描、kmp、AC自动机、线性筛素数

$n\le 10^9$ => $O(\sqrt{n})$，判断质数

$n\le 10^{18}$ => $O(logn)$，最大公约数，快速幂，数位DP

$n\le 10^{1000}$ => $O((logn{)}^2)$，高精度加减乘除

$n\le 10^{100000}$ => $O(logk\times loglogk)，k表示位数$，高精度加减、FFT/NTT