由数据范围反推算法复杂度以及算法内容

wyuchen123

已于 2024-04-27 15:11:24 修改

阅读量839

点赞数 20

分类专栏： C++知识点文章标签： c++

于 2024-03-16 08:00:00 首次发布

本文链接：https://blog.csdn.net/wyuchen123/article/details/136720139

版权

6 篇文章 1 订阅

订阅专栏

衡量一个算法的快慢，一定要考虑数据规模的大小。一般来说，数据规模越大，算法的用时就越长。而在算法竞赛中，我们衡量一个算法的效率时，最重要的不是看它在某个数据规模下的用时，而是看它的用时随数据规模而增长的趋势，即时间复杂度。

一般编程题的时间限制是1秒或2秒，在这种情况下，C++代码中的操作次数控制在 $10^{7}\sim 10^{8}$ 为最佳。
下面给出在不同数据范围下，代码的时间复杂度和算法该如何选择：

时间复杂度	对应的数据规模上限(1s时限)	算法
$O(1)$	-	-
$O(log_{2}n\ast ×log_{2}log_{2}n)$	$10^{100000}$	高精度加减、FFT/NTT
$O((log_{2}n)^{2})$	$10^{1000}$	高精度乘除
$O(log_{2}n)$	$10^{18}$	最大公约数、快速幂、数位DP
$O(\sqrt{n})$	$10^{9}$	判断质数
$O(n)$	$10^{7}$	单调队列、 hash、双指针扫描、并查集、kmp、AC自动机
$O(nlog_{2}n)$	$10^{5}$	各种sort、线段树、树状数组、set、map、heap、拓扑排序、dijkstra+heap、prim+heap、Kruskal、spfa、求凸包、求半平面交、二分、CDQ分治、整体二分、后缀数组、树链剖分、动态树
$O(n\sqrt{n})$	$10^{4}$	块状链表、分块、莫队
$O(n^{2}),O(n^{2}log_{2}n)$	$10^{3}$	dp、二分、朴素版Dijkstra、朴素版Prim、Bellman-Ford
$O(n^{3})$	$100$	floyd、dp、高斯消元
$O(2^{n})$	$30$	dfs+剪枝、状态压缩dp
$O(n!)$	$10$	-
$O(n^{n})$	$8$	-