1.时间复杂度概念
描述算法的运行时间,在开发中方便开发者估算程序运行时间。
2.具体表示
用算法操作单元的数量代表程序运行消耗时间,操作单元的数量为问题规模n的函数,故操作单元为f(n),算法的时间复杂度为O(f(n))。
O代表上界,是指最坏随机输入下算法的运行时间复杂度。
如果面试官和我们深入探讨一个算法的实现以及性能的时候,就要时刻想着数据用例的不一样,时间复杂度也是不同的。
3.复杂时间复杂度的化简
平时我们说的时间复杂度都是在忽略常数项情况之下,并且会默认O(n)优于O(n^2),这是因为O的含义决定,O就是一个数量级极大情况下所表现出来的情况,这个数量级是常数项已经不起决定作用下的数量级;在此情况下,算法复杂度排序如下:
O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n^2)平方阶 < O(n^3)(立方阶) < O(2^n) (指数阶)
简化的时间复杂度仅由在数据规模很大情况下起决定作用的一项表示。
4.O(logn)以什么为底?
我们统一说 logn,也就是忽略底数的描述。抽象一下就是在时间复杂度的计算过程中,log以i为底n的对数=log 以j为底n的对数 * log以i为底j的对数,最后一项为常数可忽略,所以忽略了i,直接说是logn。
5.1s内程序可执行n的规模
时间复杂度 | 1s内可处理的大概n的规模 |
O(n) | 5*10^8 |
O(n^2) | 2.25*10^4 |
O(nlogn) | 2*10^7 |