时间复杂度

1、常量阶Ο(1)

只要代码的执行时间不随 n 的增大而增长，这样代码的时间复杂度都记作 O(1)。或者说，一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)

2、对数阶O(logn)

i=1;
 while (i <= n)  {
   i = i * 2;
 }

i 的取值是一个首项为 1，整体是一个公差为 2 的等比数列：

2º·2¹·2²·2³····2ⁿⁿ = n，

其中 nn 即为项数，求对数即 nn=log2^n。

也就是当循环 log2^n 次之后代码就结束了，所以时间复杂度为 O(logn)。

3、线性阶、n方阶O(n)

for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

一般情况下，如果循环体内循环控制变量为线性增长，那么包含该循环的算法的时间复杂度为O(n)。

4、线性对数阶O(nlogN)

for(m=1; m<n; m++)
{
    i = 1;
    while(i<n)
    {
        i = i * 2;
    }
}

线性对数阶O(nlogN) ，将时间复杂度为O(logn)的代码循环N遍的话，那么它的时间复杂度就是 n * O(logN)，也就是了O(nlogN)。

即当一个线性阶代码段法嵌套一个对数阶代码段，该算法的时间复杂度为O(nlogn)

5、指数阶和阶乘阶

参考上面的O(n²) 去理解，O(n³)相当于三层n循环，

根据函数，随着n的增加，运行时间会无限急剧增加，因此效率非常低下