【算法一】大 O 表示法

算法：是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令。算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。简单来说，算法就是把一个问题，拆解为计算机能够一步一步执行的步骤。

大 O 表示法：是算法的一种特殊的表示法。它可以告诉我们算法的快慢，比较的是操作数，指出了当数据量增多时算法运行时间的增速，增速越慢，代表算法越快。

在数据量发生变化时，算法的效率通常也会跟着发生变化。
大 O 表示法的结果只是一个概数。

常见的大 O 表示形式：

O(1)：

O(1)：常数时间，表示算法的速度和数量无关，不论数量是多少，算法的速度始终不变。

典型算法有：哈希算法，无论数据量有多大，都可以在一次计算后查询到元素（不考虑冲突的话）。

O(logn)：

O(logn)：对数时间。

典型算法有：二分查找，即数量每扩大两倍，查询次数仅仅需要加 1，数量越多，算法耗时增速越慢。

O(n)：

O(n)：线性时间，表示算法的速度随着数量的增加呈线性增长。

典型算法有：简单查找，即在 n 个数中轮询查找目标元素所在的位置，当 n 的数量加 1 时算法查找的次数也加 1。

O(nlogn)：

典型算法有：快速排序法，是一种速度较快的排序法。

O(n²)：

典型算法有：选择排序、冒泡排序，是速度较慢的排序法。

O(n!)：

即当数量为 n 时，查询算法耗时为 m 时，当数量加 1，查询算法将耗时 m*(n+1)，当数量较多时耗时将变得非常大。

推导大 O 表示法的方法：

推导大 O 表示法的方法：

1. 用常数 1 取代运行时间中所有的加法常数。
2. 在修改后的运行次数函数中，只保留最高阶项。
3. 如果最高阶项存在且不是 1，则去除与这个项相乘的常数。

例如：如果一个算法的时间复杂度计算出来是 2n² + 3n + 4，那么根据方法 1 得到 2n² + 3n + 1，根据方法 2 得到 2n²，根据方法 3 最终得到 n²，则使用大 O 表示法为 O(n²)。