时间复杂度

在竞赛中，一般算机一秒能运行5 x 10⁸次汁算，如果题目給出的时间限制カ1s,那么你选择的算法执行的汁算次数最多应该在10^8量级オ有可能解决这个题目。
多项式复杂度,称它们为高效算法;
指数复杂度, 则称它们低效算法.

复杂度	数据范围
O(n)	10^8
O(n* log2(n))	10^6
n* sqrt(n)	10^5
n^2	5000
n^3	300
2^n	25
n!	11

以上范围仅供参考，实际中还要考虑每种算法的常数。

O(1)

计算时间是一个常数, 和问题的规模n无关. 例如:

• 用公示计算时, 一次计算的复杂度就是O(1).
• 哈希算法计算储存位置.
• 在矩阵A[i][j]找对应元素.

O(log2(n))

计算时间是对数, 通常是以2为低的对数, 每一步计算后, 问题规模减少一倍. 例如:

• 在一个长度为n的有序数列中查找某个数, 用折半法.
• 分治法.

O(n)

计算时间随规模n线性增长. 在很多情况下, 这是一个算法可能达到的最优复杂度, 因为输入n个数, 程序一般需要处理所有的数, 即n. 例如:

• 桶排序
• 希尔排序(n^1.3)

O(n^2)

• 插入排序
• 选择排序
• 冒泡排序

O(n ^ 3)

• [[floyd]]

O(n* log2(n)))

这常常是算法能达到的最优复杂度. 例如:

• 快速排序
• 归并排序
• 堆排序

O(2^n)

一般对应集合问题, 例如一个集合中有n个数, 要求输出它的所有子集.

O(n!)

输出所有的全排列.