O(n)
时间复杂度为O(n),就代表数据量增大几倍,耗时也增大几倍。比如常见的遍历算法,代码实现:
for(int i = 0; i < n; i++)
O(n^2)
代表数据量增大n倍时,耗时增大n的平方倍,这是比线性更高的时间复杂度。比如冒泡排序,就是典型的O(n^2)的算法,对n个数排序,需要扫描n×n次,代码实现
for(int i = 0; i < n; i++){
for(int j = 0;j < n; j++)
}
O(logn)
当数据增大n倍时,耗时增大logn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)
n乘以logn,当数据增大256倍时,耗时增大256*8=2048倍。这个复杂度高于线性低于平方。归并排序就是O(nlogn)的时间复杂度
O(1)
最低的时空复杂度了,也就是耗时/耗空间与输入数据大小无关,无论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(不考虑冲突的话)
复杂度比较
从小到大:O(1) <O(logn)<O(n)<O(nlogn)<O(n^2)