算法性能说明 Ex：O(n) [重复]答案

【问题标题】：Algorithm Performance Explanation Ex: O(n) [duplicate]算法性能说明 Ex：O(n) [重复]
【发布时间】：2011-01-23 20:12:55
【问题描述】：

可能重复：
Plain English explanation of Big O

亲爱的，

在阅读一些算法的信息时，偶尔会遇到算法性能信息，如：O(1)、O(n)、O(n^2)等。

能否请我解释一下如何翻译和理解这些性能数据？有哪些 O(n) 变体可用，它们在实践中意味着什么？

谢谢。

【问题讨论】：

维基百科是你的朋友。它有一篇很棒的文章。 en.wikipedia.org/wiki/Big_O_notation
Plain English explanation of Big O987654323@ 的可能副本（除其他外）
谢谢，我已经在阅读维基百科了。最好的问候。

标签： algorithm performance

【解决方案1】：

你需要一个大 O 表示法的解释。

它是衡量算法复杂性的指标。随着 N 趋于无穷大，时间量的方向。

您需要注意的一件事是 O(N) 乘以一个常数仍然是 O(N)。没有真正的 O(2N) 这样的东西。

O(1) 表示某事需要一个恒定的时间，即它所花费的时间与您正在处理的数据量无关。

O(N) 表示它与您正在处理的数据量成正比，因此如果处理一百万条记录需要一分钟，则处理 200 万条记录需要 2 分钟。

O(N^2) 表示它与 N 的平方成正比。1000 条记录需要一分钟，2000 条需要 4 分钟，4000 条需要 16 分钟，以此类推。

你也可以有 O(log N) 和 O(N log N)。您可以使用任何日志基数，但一个通常以日志基数 2 衡量。因此，一百万条记录将测量为 20，因为 2^20 接近一百万，而 200 万条记录将是 21。对于 N log N，一千条记录将等于 10,000，因为 1000 的日志大约是 10。2000 条记录将是 22,000，因为 2000 的日志大约是 11。

【讨论】：

感谢 CashCow 的回答。我也会检查维基百科的 Big-O 表示法。
@Bunkai：这很好，但不是完全正确。 O(1) 并不意味着花费恒定的时间。这意味着时间有一个恒定的上限 - 无论如何都不会超过一定的时间。它总是被允许少吃。其他人也有同样的想法。
@Bunkai：另一种思考方式：绘制曲线：1、N、N^2、logN 或 NlogN。假设您可以将运行时间除以您喜欢的任何常数，那么您的运行时间适合所有 N 的哪条曲线？
请注意，日志可以是任何基数，因为更改基数与乘以常数相同。
人们还必须明白，添加一个常量并不会改变复杂性，因此添加更多记录可能不会像您想象的那样增加，特别是对于少量数据较高复杂度的算法可以比低复杂度的算法更快。例如在 4 条记录中使用线性搜索可以比二分搜索更快。

【解决方案2】：

从维基百科开始：http://en.wikipedia.org/wiki/Big-o_notation。

【讨论】：

大声笑 - 我直接在我的评论中放了同样的东西 :)
嗨，迈克尔，谢谢。我会查维基百科。保重。