大o表示法的o_现在，您需要了解Big O表示法。

大o表示法的o

Blake Connally在Unsplash上拍摄的照片

您的算法可能很慢，并且除非您学习此基本技能，否则您甚至可能不会注意到它。

许多程序员创建的算法原来很慢，但他们不知道它很慢。 我们需要一种方法来衡量算法运行所需的时间。

我们如何测量算法运行多长时间？

我们可以运行10,000次算法并测量平均花费的时间，但这会造成问题。 假设我们有一个算法，可以获取购物清单并打印出购物清单中的每个商品。 如果购物清单最多包含3个商品，则该算法可能需要3秒钟才能运行。 如果购物清单中有10件商品，则可能需要10秒钟才能运行。

这里制造一个问题。 我们如何知道“完美”的输入大小是什么，以获取算法花费多长时间的“完美”度量？ 因此，我们使用一种称为Big-O（发音为Big Oh）的表示法。

大0表示法是用于描述算法效率的一种表示法。 知道此表后，Big-O很容易阅读：

它们越靠右，花费的时间就越长。 Big O标记使用这些功能来描述算法效率。 以我们的购物清单为例，则算法为O（n）。 我们不知道购物清单中有多少个商品，因此我们给它一个古兰经的变量，例如n。 然后，我们将每个项目打印到需要花费o（n）时间的屏幕上。

让我们遍历其中的每一个。

不变

常量算法是一种在输入大小变大时不会花费更多时间的算法。 让我们看一个简单的例子：

所以这里的数字很小，但是：

花费大致相同的时间。 但是，如果数字过大怎么办？

这些数字是硬编码的。如果输入50，它将仍然将这两个数字加在一起。 因此，根据输入大小，无需花费更多时间将它们添加在一起。 它们不随输入大小缩放。 他们是一个常数。

登录n

您可能想知道“ log n是什么”？ 好…

对数有时称为对数。 通常以2为底的二进制文件，但可以有所不同）。 让我们做一个简单的例子：

在此示例中，要求的是“ 3赋予您9的力量”。 因此，这是3乘以2的幂得出9，所以整个表达式如下：

对数算法在每次运行时将列表“减半”。 这就是二进制搜索（稍后说明）。 如果给该算法列出10个项目，例如：

a = [1, 2, 3, 4, 5, 6 , 7, 8, 9, 10]

算法每次都将其减半，如下所示：

a = [1, 2, 3, 4, 5]
a = [1, 2, 3]
a = [2]

然后，它是一个对数函数。

多项式时间

如果我们有以前的购物清单，它看起来像这样：

a = ['water', 'vegetables', 'Bose QC35']

如果您遍历列表中的每个项目并大声说出来，那么复杂度将为n。 这是因为列表中有n个项目，并且项目数可以增加或减少。

因为它使输入时间加倍。 例如：

a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
for i in a:
for x in a:
print("x")

如果看到如上的嵌套for循环，则为n²；如果为3个嵌套for循环，则为n³，依此类推。

指数的

这种算法是所有算法中最慢的。 例如，您有一个仅由数字组成的密码（因此，这是10个数字，从0到9）。 您想破解一个长度为n的密码，以便对所有组合进行暴力破解：

组合通过。

在大O表示法中，我们始终使用最坏情况进行计算。 计算机科学家是乐观主义者。

简化大O符号

如果您的算法看起来像O（n +n²）怎么办？ 好了，有一些超级有用的规则可以简化您的算法。

删除常数

如果您有一个描述为O（2n）的算法，请删除2，使其成为O（n）。

删除非主要条款

O（n²+ n）变为O（n²）。 仅将较大的一个保留在Big O中。

如果您有一个特殊的总和，例如O（b²+ a），那么您也不会丢掉任何一个，因为不知道b和a是什么。

摘要

打赌，您期望获得有关Big O的一些难以理解的指南吗？ 好吧，这就是全部。 您需要记住（或学习）层次结构，采用一些算法并找出它们的Big O表示法是什么。

大O代表算法需要花费多长时间，但有时我们也关心算法需要花费多少内存（空间复杂度）。

还有其他形式的测量算法时间复杂度的方法，例如Big Theta，它是算法花费的最少时间。

请继续阅读下一篇有关搜索算法以及如何在书店中找到书的文章！

如果您喜欢这篇文章，请与我联系！

领英 | 推特 | 网站 | 通讯

翻译自: https://hackernoon.com/you-need-to-understand-big-o-notation-now-4ada3d2ec93a

大o表示法的o