我们日常使用的算法有哪些复杂度为 O(1)、O(n log n) 和 O(log n)？
【问题讨论】：
如果您想要问题中给出的具有时间复杂度的算法/语句组示例，这里有一个小列表 -
O(1)时间O(n)时间简而言之，所有需要线性的蛮力算法或 Noob 算法都基于 O(n) 时间复杂度
O(log n)时间O(n log n)时间考虑到分而治之，引入'log n'因子。其中一些算法是最佳优化算法，并且经常使用。
O(n^2)时间如果存在 O(nlogn) 对应的算法，这些算法应该是效率较低的算法。这里的一般应用可能是蛮力。
O(n!)时间【讨论】：
O(log n) 列表切换到O(n) 列表之前，以便列表按从好到坏的顺序排列。哈哈:)
O(1) - 大多数烹饪程序都是 O(1)，也就是说，即使有更多的人要为更多的人做饭，它也需要固定的时间（在一定程度上，因为你可能会用完你的锅/锅，需要分开做饭）
O(logn) - 在你的电话簿中找到一些东西。想想二分查找。
O(n) - 阅读一本书，其中 n 是页数。这是阅读一本书所需的最短时间。
O(nlogn) - 无法立即想到一个人每天可能会做的事情是 nlogn...除非您通过合并或快速排序来对卡片进行排序！
【讨论】：
O(1) 的一个简单示例可能是return 23;——无论输入什么，它都会在固定的有限时间内返回。
O(N log N) 的典型示例是使用良好算法（例如归并排序）对输入数组进行排序。
一个典型的例子，如果O(log N) 将在一个排序的输入数组中按二等分查找一个值。
【讨论】：
我可以为您提供一些通用算法...
这些都是直觉反应，因为这听起来像是作业/面试之类的问题。如果您正在寻找更具体的东西，那就有点困难了，因为一般公众不知道流行应用程序的底层实现（当然是保留开源），这个概念通常也不适用于“应用程序”
【讨论】：
O(1)：在国际象棋（或围棋）中找到最好的下一步。由于游戏状态的数量是有限的，它只有 O(1) :-)
【讨论】：
O(1)纳秒，你肯定知道哪个O(1)会先出现...
O(1) - 从双向链表中删除一个元素。例如
typedef struct _node {
struct _node *next;
struct _node *prev;
int data;
} node;
void delete(node **head, node *to_delete)
{
.
.
.
}
【讨论】：
软件应用程序的复杂性没有被衡量，也不是用大 O 表示法编写的。它仅用于衡量算法复杂度并比较同一域中的算法。最有可能的是，当我们说 O(n) 时，我们的意思是它是“O(n) comparisons”或“O(n) 算术运算”。这意味着，您无法比较任何一对算法或应用程序。
【讨论】：
您可以将以下算法添加到您的列表中：
O(1) - 判断一个数是偶数还是奇数；使用 HashMap
O(logN) - 计算 x^N，
O(N Log N) - 最长递增子序列
【讨论】：
O (n log n) 是众所周知的对任意集合进行排序的速度上限（假设是标准而非高度并行的计算模型）。
【讨论】：
0(logn)-二分查找，数组中的峰元素（可以有多个峰） 0(1)-在 python 中计算列表或字符串的长度。 len() 函数需要 0(1) 时间。访问数组中的元素需要 0(1) 时间。堆栈中的推送操作需要 0(1) 时间。 0(nlogn) - 合并排序。在 python 中排序需要 nlogn 时间。所以当你使用 listname.sort() 时，它需要 nlogn 时间。
由于冲突，在哈希表中进行笔记搜索有时会花费超过恒定时间。
【讨论】：
O(2N)
O(2N) 表示一种算法，其增长随着输入数据集的每个添加而翻倍。 O(2N) 函数的增长曲线是指数型的 - 从非常浅的开始，然后迅速上升。 O(2N) 函数的一个例子是递归计算斐波那契数：
int Fibonacci (int number)
{
if (number <= 1) return number;
return Fibonacci(number - 2) + Fibonacci(number - 1);
}
【讨论】：
Tower of Hanoi 会是一个更好的例子。