大O表示法

随着城市化步伐的加快，城市里的车也越来越多，车一多就需要找地方停，因此“车位”一词对大家来说应该不会陌生。车位按空间大小又分微型、小型、中型、大型、子母型等等，衡量车位的标准就是车位大小。

在算法的世界里，又应该以哪种方式来衡量算法的效率呢？

在日常工作中，我们经常听到这样的说法：A算法比B算法快一倍。通过以下分析，我们很容易发觉这句话存在问题。

• 数据量为常量K的时候，A算法和B算法一样快；
• 数据量为常量K*2的时候，A算法比B算法快一倍；
• 数据量为常量K/2的时候，A算法是B算法的一半；

其实衡量算法的效率，是和数据量有关的。

无序数组的插入

无序数据的插入算法是和数组个数无关的，新数据插入的位置是在数组的末尾array[nElements]，插入完成之后nElements增加1。无论数组的长度为多少，一次插入的时间都是相同的。换句话说，我们插入数组的时间T为常量K。
T = K
现实中，K的值受cpu时间片，书写代码程序的效率等有关。

线性数组的查找

我们假设数组的长度为N，数组查找的时间T和N/2成正比，将2合并为常量，可以用下面公式来表达。
T = K * N

二分查找

二分查找又叫折半查找，是对有序数组进行查找的一种高效率算法，比线性数组查找效率更高。随着数据量的增加，查找的时间可以用以下公式来表达。
T = K * logN
准确地说，这儿的对数应该是以2为底。因为不管对数的底为多少，都可以看成底为2的对数乘上一个常量（例如：log2N = 3.32 * log10N），所以这儿可以忽略对数的底。

说到这儿，我们可以引出大O表示法了。大O表示法使用大写字母O，可以简单认为是Order by（略等于）的意思。它是上述公式的抽象，并且省略掉了常量K。综合一些简单的算法，我们可以罗列出他们效率的大O表示。

算法	大O表示法的运行时间
线性查找	O(N)
二分查找	O(logN)
无序数组的插入	O(1)
有序数组的插入	O(N)
无序数组的删除	O(N)
有序数组的删除	O(N)

表格中罗列出了他们的大O表示法。通过比较不同的大O表示，我们可以比较直观地观察出他们的效率：O(1)效率最高，O(logN)良好，O(N)还行，O(N²)要差一些。
大O表示法的本质并不是给出算法执行的实际值，而是表达了效率如何受数据个数的影响。