weixin_46267823的博客

它通常用大O符号（O-notation）来表示，例如O(n)、O(n^2)、O(log n)等，其中n代表输入数据的大小。（O(2^n)）：算法的资源需求随输入数据量呈指数级增长，这类算法通常不实用，因为它们随输入规模的增长而迅速变得非常耗时。（O(n log n)）：算法的资源需求与输入数据量的线性对数成正比，常见于某些高效的排序算法。（O(n^2)）：算法的资源需求与输入数据量的平方成正比，常见于简单的双层循环算法。（O(log n)）：算法的资源需求随输入数据量的增长而按对数增长。