算法复杂度的含义
O(1)
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。
O(n)
数据量增大几倍,耗时也增大几倍
O(n^2)
数据量增大 n 倍时,耗时增大 n 的平方倍
O(logn)
当数据增大 n 倍时,耗时增大 logn 倍
例如:
1. 数据增大 256 倍时,耗时只增大 8 倍(每次排除一半,只需排除8次)
[256 / 2 = 128] 1次
[128 / 2 = 64] 2次
[64 / 2 = 32] 3次
[32 / 2 = 16] 4次
[16 / 2 = 8] 5次
[8 / 2 = 4] 6次
[4 / 2 = 2] 7次
[2 / 2 = 1] 8次
- 数据增大512倍时,耗时只增大16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)
就是 n 乘以 logn,当数据增大 256 倍时,耗时增大256 × 8 = 2048倍。
当数据增大 512 倍时,耗时增大 512 × 16= 8192 倍。