常见的算法时间复杂度由小到大依次为:
常数阶 < 对数阶 < 线性阶 < 线性对数阶 < 平方阶 < 立方阶 < 指数阶
O() < O() < O() < O() < O() < O() < O()
随着 的规模不断增大,上述时间复杂度不断增大,算法的执行效率越低
常数阶 O()
无论代码执行了多少行,只要是没有循环等复杂结构,那这个代码的时间复杂度就是O()
int i = 1;
int j = 2;
++i;
j++;
int m = i + j;
代码执行的时候,并不随着某个变量的增长而增长,那么无论代码有多少行,即使有几万几十万行,它的时间复杂度都是O(1)
对数阶 O()
int i = 1;
while(i < n){
i = i * 2;
}
在while循环里面,每次都将i乘以2,乘完之后,i距离n就越来越近,假设循环x次后,i 就大于n了,此时这个循环就退出了,也就是说2的x次方等于n,那么x = 也就是说当循环次后,这个代码就结束了,因此这个代码的时间复杂度为O()
线性阶 O()
for (i = 1; i<= n; ++i){
j = 1;
j++;
}
这段代码,for循环里面的代码会执行n遍,因此它消耗的时间是随着n的变化而变化的,因此这类代码都可以用O()来表示它的时间复杂度
线性对数阶 O()
for (m = 1; m < n; m ++){
i = 1;
while (i < n){
i = i * 2;
}
}
线性对数阶将时间复杂度为 O()的代码循环N遍
平方阶
两个for循环的时间复杂度就是