关于时间复杂度

时间复杂度

基本概念

• 什么是大O：大O是用来表示上界的，用它当做算法最坏的情况的运行时间上限，即对任意数据输入的运行时间的上限
• O(n^2)的算法为什么有时候比O(n)的算法更优？
  在决定使用算法时，不是时间复杂度越低越好，因为简化后的时间复杂度忽略了常数项，需要考虑数据规模，如果数据规模很小，有时候O(n^2)甚至比O(n)要好(在有常数项的时候)
  如：O(5n^2) 和O(100n) 在n<20之前，O(5n ^2)比O(100n)要快
• 如何简化复杂的时间复杂度表达式，原理是什么？
  数据量足够大的时候，常数项起不来决定性作用，保留最高项，去掉数量级较小的n
• O(logn)中的log是以什么为底？
  统一说logn，忽略底数，因为底数可以提取出来
  以2为底n的对数 = 以2为底10的对数 * 以10为底n的对数
  常数项忽略，所以忽略底数

比较

O(1)常数阶 < O(logn)对数阶 < O(n)线性阶 < O(n^2)平方阶 < O(n^3)(立方阶) < O(2^n) (指数阶)

不同时间复杂度，在1s内处理能处理的数量级

递归的时间复杂度

递归的时间复杂度 = 递归的次数 * 每次递归中操作的次数

求x的n次方

最直观的写法，for循环
此时的时间复杂度为O(n)

int fun(int x,int n) {
   
	int result = 1;