理解常见的算法时间复杂度

简介: 理解常见的算法时间复杂度

1、常见的算法时间复杂度

# 常数阶 O(1)
n = 10
# 线性阶 O(n)
for i in range(n):
    print(i)
# 平方阶 O(n^2)
for i in range(n):
    for j in range(n):
        print(i + j)

2、对数阶 O(logN)

i = 1
while i <= n:
    i = i * 2
    print(i)

理解

i*2之后,距离n越来越近
输出的i值:
2   4    8       16
2   2*2  2*2*2   2*2*2*2
2^1 2^2  2^3     2^4
假设需要执行x次,那么2^x = n
=> x = log_2(N) 
=> O(logN)

参考

  1. 时间复杂度和空间复杂度的计算
  2. 算法复杂度对数阶O(logn)详解
  3. 对数阶 O(logn)
相关文章
|
5月前
|
存储 算法 搜索推荐
【算法基础】时间复杂度和空间复杂度
【算法基础】时间复杂度和空间复杂度
100 0
|
6天前
|
存储 算法 程序员
算法的时间复杂度
算法的时间复杂度
20 0
|
2月前
|
存储 算法 搜索推荐
算法的空间复杂度
算法的空间复杂度
19 0
|
4月前
|
存储 算法 数据库
算法的时间复杂度上
算法的时间复杂度
43 1
|
4月前
|
算法 C语言
算法的时间复杂度下
算法的时间复杂度
33 1
|
4月前
|
存储 算法
算法的时间复杂度和空间复杂度
算法的时间复杂度和空间复杂度
|
8月前
|
机器学习/深度学习 算法 搜索推荐
算法的时间复杂度详解
算法的时间复杂度详解
232 0
算法的时间复杂度详解
|
9月前
|
算法 搜索推荐
各种排序算法算法时间复杂度
各种排序算法算法时间复杂度
|
9月前
|
存储 算法 编译器
算法的时间复杂度与空间复杂度
算法的时间复杂度与空间复杂度
|
11月前
|
机器学习/深度学习 存储 算法
谈算法的时间复杂度与空间复杂度
算法在编写成可执行程序后,运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
100 0