常用时间复杂度

最新推荐文章于 2024-04-22 03:41:56 发布

长弓的坚持

最新推荐文章于 2024-04-22 03:41:56 发布

阅读量4k

点赞数

分类专栏：数据结构

数据结构专栏收录该内容

24 篇文章 4 订阅

订阅专栏

按数量级递增排列，常见的时间复杂度有：

常数阶O(1),对数阶O(log2n),线性阶O(n),

线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),...，

k次方阶O(n^k),指数阶O(2^n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。

时间复杂度：基本操作重复执行的次数的阶数 T(n)=o(f(n))
以下六种计算算法时间的多项式是最常用的。其关系为：
 O(1)<O(logn)<O(n)<O(nlogn) <O(n2)<O(n3)
指数时间的关系为：
   O(2n)<O(n!)<O(nn)
   当n取得很大时，指数时间算法和多项式时间算法在所需时间上非常悬殊。

以下是一些常见时间复杂度的例子。
 
 名称 复杂度类 运行时间（ $T(n)$ ） 运行时间举例 算法举例
常数时间    $O(1)$ 10 判断一个二进制数的奇偶
反阿克曼时间    $O(\alpha(n))$   并查集的单个操作的平摊时间
迭代对数时间    $O(\log^{*}n)$   en:Cole-Vishkin
 algorithm
对数对数时间    $O(\log \log n)$   有界优先队列的单个操作^[1]
对数时间 DLOGTIME  $O(\log n)$  $\log n$ ， $\log n^2$ 二分搜索
幂对数时间    $(\log n)^{O(1)}$  $(\log n)^2$  
（小于1次）幂时间    $O(n^c)$ ，其中 $0 < c < 1$  $n^{\frac{1}{2}}$ ， $n^{\frac{2}{3}}$ K-d树的搜索操作
线性时间    $O(n)$  $n$ 无序数组的搜索
线性迭代对数时间    $O(n\log^{*}n)$   Raimund Seidel的三角分割多边形算法
线性对数时间    $O(n\log n)$  $n\log n$ ， $\log n!$ 最快的比较排序
二次时间    $O(n^2)$  $n^2$ 冒泡排序、插入排序
三次时间    $O(n^3)$  $n^3$ 矩阵乘法的基本实现，计算部分相关性
多项式时间 P  $2^{O(\log n)} = n^{O(1)}$  $n$ ， $n \log n$ ， $n^{10}$ 线性规划中的en:Karmarkar's
 algorithm，AKS质数测试
准多项式时间 QP  $2^{(\log n)^{O(1)}}$ 关于有向斯坦纳树问题最著名的 $O(\log^2 n)$ 近似算法
次指数时间（第一定义） SUBEXP  $O(2^{n^{\epsilon}})$ ，对任意的ε > 0  $O(2^{(\log n)^{\log \log n}})$ Assuming
 complexity theoretic conjectures, BPP is
 contained in SUBEXP.^[2]
次指数时间（第二定义）   2^o(n） 2^{n^1/3} Best-known
 algorithm for integer factorization and graph
 isomorphism
指数时间 E 2^O(n) 1.1ⁿ,
 10ⁿ 使用动态规划解决旅行推销员问题
阶乘时间   O(n!) n! 通过暴力搜索解决旅行推销员问题
指数时间 EXPTIME 2^poly(n) 2ⁿ,
 2^n²  
双重指数时间 2-EXPTIME 2^{2^poly(n)} 2^2ⁿ Deciding
 the truth of a given statement in Presburger
 arithmetic

名称	复杂度类	运行时间（ $T(n)$ ）	运行时间举例	算法举例
常数时间		$O(1)$	10	判断一个二进制数的奇偶
反阿克曼时间		$O(\alpha(n))$		并查集的单个操作的平摊时间
迭代对数时间		$O(\log^{*}n)$		en:Cole-Vishkin algorithm
对数对数时间		$O(\log \log n)$		有界优先队列的单个操作^[1]
对数时间	DLOGTIME	$O(\log n)$	$\log n$ ， $\log n^2$	二分搜索
幂对数时间		$(\log n)^{O(1)}$	$(\log n)^2$
（小于1次）幂时间		$O(n^c)$ ，其中 $0 < c < 1$	$n^{\frac{1}{2}}$ ， $n^{\frac{2}{3}}$	K-d树的搜索操作
线性时间		$O(n)$	$n$	无序数组的搜索
线性迭代对数时间		$O(n\log^{*}n)$		Raimund Seidel的三角分割多边形算法
线性对数时间		$O(n\log n)$	$n\log n$ ， $\log n!$	最快的比较排序
二次时间		$O(n^2)$	$n^2$	冒泡排序、插入排序
三次时间		$O(n^3)$	$n^3$	矩阵乘法的基本实现，计算部分相关性
多项式时间	P	$2^{O(\log n)} = n^{O(1)}$	$n$ ， $n \log n$ ， $n^{10}$	线性规划中的en:Karmarkar's algorithm，AKS质数测试
准多项式时间	QP	$2^{(\log n)^{O(1)}}$		关于有向斯坦纳树问题最著名的 $O(\log^2 n)$ 近似算法
次指数时间（第一定义）	SUBEXP	$O(2^{n^{\epsilon}})$ ，对任意的ε > 0	$O(2^{(\log n)^{\log \log n}})$	Assuming complexity theoretic conjectures, BPP is contained in SUBEXP.^[2]
次指数时间（第二定义）		2^o(n）	2^{n^1/3}	Best-known algorithm for integer factorization and graph isomorphism
指数时间	E	2^O(n)	1.1ⁿ, 10ⁿ	使用动态规划解决旅行推销员问题
阶乘时间		O(n!)	n!	通过暴力搜索解决旅行推销员问题
指数时间	EXPTIME	2^poly(n)	2ⁿ, 2^n²
双重指数时间	2-EXPTIME	2^{2^poly(n)}	2^2ⁿ	Deciding the truth of a given statement in Presburger arithmetic

长弓的坚持

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
常用时间复杂度

按数量级递增排列，常见的时间复杂度有：常数阶O(1),对数阶O(log2n),线性阶O(n),线性对数阶O(nlog2n),平方阶O(n^2)，立方阶O(n^3),...，k次方阶O(n^k),指数阶O(2^n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。
复制链接

扫一扫