常见的时间复杂度
本帖最后由 逸帅 于 2021-3-18 23:00 编辑# 常见的时间复杂度
> 1) 常数阶 O(1)
>
> 2) 对数阶 O(log2n)
>
> 3) 线性阶 O(n)
>
> 4) 线性对数阶 O(nlog2n)
>
> 5) 平方阶 O(n^2)
>
> 6) 立方阶 O(n^3)
>
> 7) k 次方阶 O(n^k)
>
> 8) 指数阶 O(2^n)
## 1、时间复杂度排序：
常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜ Ο(nk) ＜ Ο(2n) ，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
## 2、介绍
### （1）常数阶O(1)
无论代码执行了多少行，只要是没有循环等复杂结构，那这个代码的时间复杂度就都是O(1)
代码在执行的时 候，它消耗的时候并不随着某个变量的增长而增长，那么无论这类代码有多长，即使有几万几十万行，都可以用O(1)来表示它的时间复杂度。
### （2) 对数阶 O(log2n)
### （3) 线性阶 O(n)
### （4) 线性对数阶 O(nlogN)
### （5) 平方阶 O(n2)
### （6) 立方阶 O(n3)、K 次方阶 O(n^k)
三层n循环，K层N循环
##3、平均时间复杂度和最坏时间复杂度
**下次再被人问到你写的代码时间复杂度是多少，可一定要会哦~** 学习了 谢谢 学习中，不明觉厉 这回学的更牢固了
页:
[1]