快速理解LintCode算法尾部的零问题及时间复杂度概念

刨根究底才能记忆深刻。

LintCode算法题：给定一个整数 n，计算出n!中尾部零的个数。

你算法的时间复杂度应为 O(logn)。

给出的标准答案之一为：

public long trailingZeros(long n) {
        long ans = 0;
        while (n != 0) {
            n /= 5;
            ans += n;
        }
        return ans;
    }

简单的说就是尾部是0，那就是得到10，10的因子是2跟5，很明显因子2的个数肯定大于5。

因为是求尾部的0所以就找因子5的个数就行。

直接用n 去除5求商。

顺带了解一下时间和空间复杂度的概念。

时间复杂度：算法耗费的时间。

空间复杂度：算法耗费的内存空间。

1、O(n) ，线性阶，数据量增加n倍，耗时增加n倍。

比如for循环遍历。

2、O(n^2) ， 平方阶，数据量增加n倍，耗时增加n的平方倍。

比如冒牌排序，双层循环嘛。

3、O(logn) ，对数阶，数据量增加n倍，耗时增加logn倍，其中log以2为底，也就是说n为256时，耗时增加logn 也就是8倍。

比如二分查找，每次排除一半嘛。

4、O(nlogn) ， 线性对数阶，数据量增加n倍，耗时增加n*logn倍。

比如归并排序，可以理解为二分查找加上正常排序。

5、O(1) ， 常数阶，无论数据增加多少倍，一次计算就能找到。

比如哈希算法。