详解O(1),O(n),O(logn),O(nlogn)的区别

相信很多开发的同伴们在研究算法、排序的时候经常会碰到O(1)，O(n)，O(logn)，O(nlogn)这些复杂度，看到这里就会有个疑惑，这个O(N)到底代表什么呢？带着好奇开始今天文章。

首先o(1), o(n), o(logn), o(nlogn)是用来表示对应算法的时间复杂度,这是算法的时间复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。

算法复杂度分为时间复杂度和空间复杂度。其作用：

时间复杂度是指执行这个算法所需要的计算工作量；
空间复杂度是指执行这个算法所需要的内存空间；

时间和空间都是计算机资源的重要体现，而算法的复杂性就是体现在运行该算法时的计算机所需的资源多少；

O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。

时间复杂度为O(n)—线性阶，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。

//循环遍历N次即可得到结果
count = 0;
for(int i = 0;i < 10 ; i ++){count ++;
}

时间复杂度O(n^2)—平方阶, 就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是典型的O(n x n)的算法，对n个数排序，需要扫描n x n次。

 for(int i =1;i<arr.length;i++) { //遍历n次for(int j=0;j<arr.length-i;j++) {//遍历n-1次if(arr[j]>arr[j+1]) {int temp = arr[j];arr[j]=arr[j+1];arr[j+1]=temp;}}
}
//整体复杂度n*(n-1)

时间复杂度O(logn)—对数阶，当数据增大n倍时，耗时增大logn倍（这里的log是以2为底的，比如，当数据增大256倍时，耗时只增大8倍，是比线性还要低的时间复杂度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标。

int binarySearch(int a[], int key) {int low = 0;int high = a.length - 1;while (low <= high) {int mid = low + (high - low) / 2;if (a[mid] > key)high = mid - 1;else if (a[mid] < key)low = mid + 1;elsereturn mid;}return -1;
}

时间复杂度O(nlogn)—线性对数阶，就是n乘以logn，当数据增大256倍时，耗时增大256*8=2048倍。这个复杂度高于线性低于平方。归并排序就是O(nlogn)的时间复杂度。

public void mergeSort(int[] arr, int p, int q){if(p >= q) {return};int mid = (p+q)/2;mergeSort(arr, p, mid);mergeSort(arr, mid+1,q);merge(arr, p, mid, q);
}
private void merge(int[] arr, int p, int mid, int q){int[] temp = new int[arr.length]; //此处将数组设为全局变量，否则每次都要创建一遍。int i = p, j = mid+1，iter = p;while(i <= mid && j <= q){if(arr[i] <= arr[j]) {temp[iter++] = arr[i++]；} else{temp[iter++] = arr[j++];} }while(i <= mid) {temp[iter++] = arr[i++];}while(j <= q){temp[iter++] = arr[j++];}for(int t = p; t <= q; t++) {arr[t] = temp[t];}
}

O(1)—常数阶：最低的时空复杂度，也就是耗时与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变。哈希算法就是典型的O(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标。

index = a;
a = b;
b = index;
//运行一次就可以得到结果

时间复杂度的优劣对比
常见的数量级大小：越小表示算法的执行时间频度越短，则越优；

O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)//2的n方<O(n!)<O(nn)//n的n方

文章参考：
- https://www.jianshu.com/p/e92567398e2b
- https://www.jianshu.com/p/e92567398e2b
- https://blog.csdn.net/qiumengchen12/article/details/45697405
- https://blog.csdn.net/lkp1603645756/article/details/85013126

一文带你了解算法复杂度O(1),O(n),O(logn),O(nlogn)的含义相关推荐

算法复杂度O(1),O(n),O(logn),O(nlogn)的区别
算法复杂度分为时间复杂度和空间复杂度: 时间复杂度是指执行这个算法所需要的计算工作量空间复杂度是指执行这个算法所需要的内存空间 1.对于一个循环,假设循环体的时间复杂度为 O(n),循环次数为 n, ...
算法复杂度 O(1),O(n),O(logn),O(nlogn)的区别
算法复杂度分为时间复杂度和空间复杂度时间复杂度是指执行这个算法所需要的计算工作量空间复杂度是指这个算法所需要的内存空间 1.对于一个循环,假设循环体的时间复杂度为O(n),循环次数为n,则这个循环 ...
老王带你理解算法复杂度O(1),O(N),O(N^2)
上图对应的是算法复杂度的图片,X轴对应的是n(问题规模),Y轴对应的是执行的运行时间. 我们先从简单的复杂度解读O(1) 从上面的图片我们可以看到O(1)的复杂度是恒定的,一点波澜都没有,什么是O(1 ...
【英雄哪里出来】一文带你吃透算法
文章目录前言一.语言基础 1.「光天化日学C语言」二.刷题必读 1.「 LeetCode零基础指南」三.语言入门 1.「 C语言入门100例」四.算法入门 1.「算法零基础100讲 ...
【安全算法之概述】一文带你简要了解常见常用的安全算法（RT-Thread技术论坛优秀文章）
[安全算法之概述]一文带你简要了解常见常用的安全算法 0 前言 1 算法的大致分类 2 对称加解密算法 2.1 DES/TDES算法 2.2 AES算法 2.3 SM4算法 2.4 RC2.RC4算法 ...
一文带你 GNN 从入门到起飞，做一个饭盆最稳 GNN 饭人！
摘要:本文介绍了图神经网络在学界和业界的发展情况,并给出了图神经网络的基本概念与表示形式,总结了图神经网络的变体,最后介绍了华为云图神经网络框架. 本文分享自华为云社区<干饭人,干饭魂,搞懂图神 ...
一文带你全方位(架构，原理及代码实现)了解Flink(3.2W字建议收藏)
注:最底部有PDF目录一 flink简介 1.1 什么是flink Apache Flink是由Apache软件基金会开发的开源流处理框架,其核心是用Java和Scala编写的分布式流数据流引擎.F ...
一文带你学习DDD，基础入门篇
系统讲解DDD的基础概念,结合具体的Demo讲解DDD落地场景. 往期精选(欢迎转发~~) 如何看待程序员35岁职业危机? Java全套学习资料(14W字),耗时半年整理我肝了三个月,为你写出了GO ...
一文搞懂 Raft 算法
一文搞懂Raft算法正文 raft是工程上使用较为广泛的强一致性.去中心化.高可用的分布式协议.在这里强调了是在工程上,因为在学术理论界,最耀眼的还是大名鼎鼎的Paxos.但Paxos是:少数真正理 ...

一文带你了解算法复杂度O(1),O(n),O(logn),O(nlogn)的含义

详解O(1),O(n),O(logn),O(nlogn)的区别

一文带你了解算法复杂度O(1),O(n),O(logn),O(nlogn)的含义相关推荐

最新文章

热门文章