数据结构2--时间复杂度（转载）

1、基础概念

1）对数 对数阶

2）线性对数阶（排序的最快算法也就是nlogn）

3）平均时间复杂度和最坏时间复杂度

平均时间复杂度是指所有可能的输入实例均以等概率出现的情况下，该算法的运行时间。
最坏情况下的时间复杂度称最坏时间复杂度。一般讨论的时间复杂度均是最坏情况下的时间复杂度。

2、复杂度总结

算法	时间复杂度	描述
常量（Constant）	O(1)	操作的数量为常数，与输入的数据的规模无关。
对数（Logarithmic）	O(log n)	操作的数量与输入数据的规模 n 的比例是 log2 (n)。二分法
线性（Linear）	O(n)	操作的数量与输入数据的规模 n 成正比。循环
平方（Quadratic）	O(n2)	操作的数量与输入数据的规模 n 的比例为二次平方。双重循环
立方（Cubic）	O(n3)	操作的数量与输入数据的规模 n 的比例为三次方。三重循环
指数（Exponential）	O(2n) O(kn) O(n!)	指数级的操作，快速的增长。n = 20 -> 1048576 operations

3、排序的时间复杂度

4、常用数据结构的时间复杂度

下图中树的操作时间都是平均时间，最坏时间是O(n)；
hashMap调整容量：O(n)。其他都是O(1）

Data Structure	Add	Find	Delete	GetByIndex** **
Linked list	O(1)	O(n)	O(n)	O(n)
Array list	O(1)	O(n)	O(n)	O(1)
Stack	O(1)	-	O(1)	-
Queue	O(1)	-	O(1)	-
HashSet、table、map	O(1)	O(1)	O(1)	-
Tree based set (SortedSet)	O(log n)	O(log n)	O(log n)	-
AVL树	O(log n)	O(log n)	O(log n)
红黑树	O(log n)	O(log n)	O(log n)
Btree 、B+ tree	O(log n)	O(log n)	O(log n)
堆	O（log n）	O（n）	O（n）

堆 Heap/PriorityQueue
插入：O(log n)
删除最大/小值：O(log n)
抽取最大/小值：O(log n)
查找最大/小值：O(1)
查找其他值：O(n)
删除：O(n)