算法复杂度的含义

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

2. 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。