大O表示法及旅行者问题

算法的运行时间

运行时间增速
    不同算法随规模的增大而增大的速度不同
我们需要比较不同算法的运行时间的增速

大O表示法【类比数据结构中的时间复杂度】

比较操作数【其体现了算法运行时间的增速】
这种表示法体现了算法在最糟情况下的运行时间
    【这不就是时间复杂度吗】

在不同算法比较时可以看出量级的差异，以选择不同的算法，但是针对一个算法求出增速或许可以根据其增速特性，添加不同的操作

常见的算法增速

 O(log n)，也叫对数时间，这样的算法包括二分查找。
 O(n)，也叫线性时间，这样的算法包括简单查找。
 O(n * log n)，一种速度较快的排序算法。
 O(n2)，一种速度较慢的排序算法。
 O(n!)，一种非常慢的算法

旅行者问题

一个旅行者要前往5个城市
5个城市并不在一条直线上
旅行者要规划一下路线，保证总路程最短
那么总共有5*4*3*2*1种方案
    他需要将所有方案列出来，并且计算出每种方案所需的路程
        那么需要计算120次
如果他要去往6个城市，就需要计算6*5*4*3*2*1次
如果他要去往n个城市，就需要计算n!次
如果他有100年的时间大约3153600000秒，每一秒可以计算出一种方案的结果，那么他只能计算出去12个城市的所有方案（479001600），而如果是13个城市（6227020800）的话，那他就别想算出来了
这种问题的时间复杂度就是O(n!)

So，有没有更好的算法？