算法图解1.3-大O表示法

大O表示法是一种特殊的表示法，指出了算法的速度有多快。

本节介绍大O表示法是什么，并使用它列出一些最常见的算法运行时间。

算法的运行时间以不同的速度增加

示例：
Bob要为NASA编写一个查找算法，这个算法在火箭即将登陆月球前开始执行，帮助计算着陆地点。
这个示例表明，两种算法的运行时间呈现不同的增速。Bob需要做出决定，是使用简单查找还是二分查找。使用的算法必须快速而准确。一方面，二分查找的速度更快。Bob必须在10秒钟内找出着陆地点，否则火箭将偏离方向。另一方面，简单查找算法编写起来更容易，因此出现bug的可能性更小。Bob可不希望引导火箭着陆的代码中有bug！为确保万无一失，Bob决定计算两种算法在列表包含100个元素的情况下需要的时间。
综合书上所说的来看，最后根据二分查找和简单查找的数量级而绘制成了一个图：

从图中可以清晰的看到，随着元素数量的增加，二分查找的额外时间并不多，而简单查找的额外时间却很多。
我们必须知道运行时间，是如何随着列表增加而增加的，这正是大O表示法的用武之地。

大O表示法指出了算法有多快。例如，假设列表包含n个元素。简单查找需要检查每个元素，因此需要执行n次操作。使用大O表示法，这个运行时间为O(n)。单位秒呢？没有——大O表示法指的并非以秒为单位的速度。大O表示法让你能够比较操作数，它指出了算法运行时间的增速。

理解不同的大O运行时间

• 算法1 每次画一个格子的方式，画16个格子
• 算法2 对折一张纸，形成16个格子
  算法1的运行时间为O(n)
  算法2的运行时间为O(log n)

大O表示法指出了最糟情况下的运行时间

一些常见的大O运行时间

• O(log n) 也叫对数时间，常见算法二分查找
• O(n) 线性时间 常见算法简单查找
• O(nlogn) 常见算法快速排序
• O(n²) 常见算法选择排序
• O(n!) 非常慢的算法，典型是旅行商问题
  
  这是针对同一个问题，五种不同算法所对应的时间复杂度的曲线。

此时我们应该得到的启示是：

• 算法的速度并非时间，而是操作数的增速
• 谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加
• 算法的运行时间使用大O表示法来表示
• O(logn) 比O(n)快，当需要搜索的元素越多时，前者比后者快的越多

练习:

1. 在电话簿中根据名字查找电话号码
   答：运行时间为O(logn) 因为可以使用二分查找来查询名字
2. 电话簿中根据电话号码找人（提示：你必须查找整个电话簿）
   答：此时根据提示来说运行时间为O(n)，因为必须要查找整个电话簿，相当于简单查找
3. 阅读电话簿中每个人的电话号码
   答：运行时间为O(n)
4. 阅读电话簿中姓名以A打头的人的电话号码。这个问题比较棘手，它涉及第4章的概念。答案可能让你感到惊讶！
   答：O(n)
   针对26个字母中的一个来操作，运行时间应为O(n/26)但是在大O表示法中常量是忽略的。

旅行商问题
一个旅行商想去五个城市，想从中找到最短的路线。那么就需要找到所有的路线，然后进行筛选，那么在找到所有路线的过程中就是一个O(N!)的运行时间。随着数量级的上升，运行时间会随着指数上升。