常见的算法的时间复杂度

 

### 线性搜索
想象一下，你在自家的厨房里，把所有的厨具都摊开放在桌面上，每件都带个标签。现在，你在找一个特别的小勺子。你一个接一个的看，直到发现那个标签是“小勺子”的那一件为止。这趟可能很耗时，尤其是你的厨具超多的话。线性搜索，就是这么个“一件一件慢慢来”的意思，时间复杂度是 **O(n)**，就代表了，随着厨具数量 **n** 的增加，你找到东西的时间也会相应地增加。

### 二分搜索
回到刚才找勺子的话题，这次你换了个聪明的策略。你直接猜疑第7件是不是勺子（假设这让你觉得最有可能），不是就猜中线附近另一件……如此这般，每次猜疑，你都把范围缩小一半。这种方法相比一件一件找会快很多，时间复杂度是 **O(log n)**，说明你要用的时间，跟厨具数量的对数差不多，就是说即使厨具超多，找到勺子也不会很慢。

### 冒泡排序
讲到了冒泡排序，你决定把厨具按高度从高到低排个序。你拿过最左的，和紧挨着的下一个比较，如果左边比右边高，你再互换他们的位置。你一遍又一遍地做这个事情，直到没有任何厨具比旁边高了。这样做虽然每次都认真比较，但是时间会随着厨具数量的增加而增加得飞快。排序后的结果——时间复杂度是 **O(n^2)**，所以，数量多的时候，要排整齐，等的时间真的好长。

### 快速排序
还是排厨具，你用了个叫做“快速排序”的绝妙招数。取了最左的一个厨具（假设它最好用）作为基准，比它小的都放一边，比它大的另一边，这样左半边都比它小，右半边都比它大。然后再分别对这两边做同样的事，不断的分区排序。这样子，你利用了这个厨具的“好用”，让排序过程快了很多。即使在最坏的情况下，这个排序的时间复杂度也不太差，平均下来是 **O(n log n)**，意味着随着厨具数量增多，排序时间缓慢增长。

### 哈希表操作
又回到了找勺子的话题。这次，你在勺子上挂了个标签叫"勺子1号"，然后把它放在了贴着"1号"标签的抽屉里。下次你要找勺子，看一眼标签就知道去哪个抽屉了，所以几乎不需要花时间，就是那种 "嘀"一下就找到了的感觉。在哈希表中查找东西，平均情况下速度就是 **O(1)**，看起来几乎不受你藏了多少东西（即数据量）的影响。

这些算法的时间复杂度就像是告诉你在不同的情况下，找东西（或解决问题）需要的时间长短。尽可能选择时间复杂度小的算法，就好像是在精打细算下节省时间的技巧一样。