算法竞赛中的时间复杂度分析与数据规模

时间复杂度分析

T （n） 为基本操作执行次数的函数。

若存在函数 f（n），使得当n趋近于无穷大时，T（n）/ f（n）的极限值为不等于零的常数，则称 f（n）是T（n）的同数量级函数。

记作 T（n）= O（f（n）），称O（f（n）） 为算法的渐进时间复杂度，简称时间复杂度。

直白点说，就是看基本操作数的数量级。

与数据规模的关系

在大多数算法竞赛测评平台上，每秒操作次数约为1e^7，在这个限制下，时间复杂度一定的算法存在能处理的数据规模上限。
具体如下（最为保险的数据规模，视具体问题，上限可略大些）：

复杂度	数量级
logN	>>10^20
N^1/2	10^12
N	10^6
NlogN	10^5
N^2	1000
N^3	100
N^4	50
2^N	20
3^N	14
N!	9