时间复杂度（大O）_时间复杂度大o-CSDN博客

本文链接：https://blog.csdn.net/u014203453/article/details/77239551

什么是大O？

若 $n$ 表示数据规模， $O(f(n))$ 表示运行算法所需要执行的指令数，和 $f(n)$ 成正比。举例如下：

算法	时间复杂度	所需指令数
二分查找法	$O(\log n)$	$a\times \log n$
数组最大/小值	$O(n)$	$b\times n$
归并排序法	$O(n \log n)$	$c \times n \log n$
选择排序法	$O(n^2)$	$d \times n ^2$

需要注意的是，学术界定义的大O为 $O(f(n))$ 表示算法执行的上界，而在业界我们一般认为：

O(f(n)) $O(f(n))$ 表示算法执行的最低上界

例题：

一个字符串数组，将数组中每一个字符串按照字母序排序；之后再将整个字符串按照字典序排序，时间复杂度是多少？

设字符串数组中最长字符串长度为 $s$ ，整个有 $n$ 个字符串。分两步来看：

1）每个字符串排序需要 $O(s\log s)$ ，一共 $n$ 个字符串，也就是需要 $O(ns\log s)$ ；
2）对排好序的n个字符串进行字典序排序，需要比较 $O(n\log n)$ 次，两个字符串之间进行比较需要进行 $O(s)$ ，总体来说就需要 $O(sn\log n)$
综上，需要的时间复杂度为：

O (n s log s + s n log n) = O (n s (log s + log n))

$O(ns\log s+sn\log n)=O(ns (\log s+\log n))$

需要注意的

算法复杂度是和用例相关，比如插入排序最差情况是 $O(n^2)$ ，最好情况是 $O(n)$ ，业界说的时间复杂度是针对平均情况来说的，也即是 $O(n^2)$ 。

数据规模

在I7-7700HQ上测试如下代码：

#include <iostream>
#include <cmath>
#include <ctime>

using namespace std;

int main(){


    for (int x = 1; x <= 9; x++){
        int n = pow(10,x);

        clock_t startTime = clock();

        int sum = 0;
        for (int i = 0; i < n; i++){
            sum += i;
        }

        clock_t endTime = clock();

        cout << "10^" << x << " : " << double(endTime - startTime) / CLOCKS_PER_SEC << " s" << endl;

    }

    system("pause");
    return 0;
}