算法-时间复杂度学习笔记

• 算法的速度指的并非时间，而是操作数的增速。
• 谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加。
• 算法的运行时间用大O表示法表示
• O（log n）比O（n）快，当需要搜索的元素越多时，前者比后者快得越多

其中x轴代表n值，y轴代表T(n)值（时间复杂度）。T(n)值随着n的值的变化而变化，其中可以看出O(n!)和O(2ⁿ)随着n值的增大，它们的T(n)值上升幅度非常大，而O(logn)、O(n)、O(nlogn)随着n值的增大，T(n)值上升幅度则很小。
常用的时间复杂度按照耗费的时间从小到大依次是：

O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)

O(1)称为常量级，算法的时间复杂度是一个常数。

O(n)称为线性级，时间复杂度是数据量n的线性函数。

O(n²)称为平方级，与数据量n的二次多项式函数属于同一数量级。

O(n³)称为立方级，是n的三次多项式函数。

O(logn)称为对数级，是n的对数函数。

O(nlogn)称为介于线性级和平方级之间的一种数量级

O(2ⁿ)称为指数级，与数据量n的指数函数是一个数量级。

O(n!)称为阶乘级，与数据量n的阶乘是一个数量级。