本文详细解析了算法的时间复杂度，介绍了如何用O记法表示算法的渐进时间复杂度，并列举了不同复杂度级别的代码示例，如O(1)、O(logn)、O(n)、O(nlogn)和O(n2)。强调了时间复杂度与算法执行效率的关系，指出通常讨论的是最坏情况下的时间复杂度。
一般情况下，算法中基本操作重复执行的次数是问题规模 n 的某个函数 f(n) 算法的时间度量记作 T(n) = O(f(n))，他表示随着问题规模n增大，算法执行时间的增长率和 f(n) 的增长率相同，乘坐算法的渐进时间复杂度（Asymptotic Time Complexity），简称时间复杂度。
算法时间复杂度从小到大依次是： O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) <O(nn)
时间复杂度越高，算法消耗cpu就越高，执行速度就越慢。
分析时间复杂度代码举例如下:
int sum = 1, n = 100;
O(1):
sum = (1 + n) * n / 2;
O(logn):
最低0.47元/天 解锁文章
扫一扫
815
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
