O(n):
时间复杂度为O(n),代表数据量增大几倍,耗时也增大几倍。如遍历算法。
O(n^2)
数据量增大n倍时,耗时增大n的平方倍,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。
O(logn):
数据增大n倍时,耗时增大logn倍(log是以2为底的,当数据增大256倍时,耗时只增大8倍。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):
是n乘以logn,当数据增大256倍时,耗时增大256*8=2048倍。归并排序就是O(nlogn)的时间复杂度。
O(1):
是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(不考虑哈希冲突)
O后面的括号中有一个函数,指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。