在描述算法复杂度时,经常用到O(1), O(n), O(logn), O(nlogn)来表示对应复杂度程度, 不过目前大家默认也通过这几个方式表示空间复杂度 。
那么,O(1), O(n), O(logn), O(nlogn)就可以看作既可表示算法复杂度,也可以表示空间复杂度。
大O加上()的形式,里面其实包裹的是一个函数f(),O(f()),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。

如果ax=N(a>0,且a≠1),那么数x叫做以a为底N的对数,记作x=logaN,读作以a为底N的对数,其中a叫做对数的底数,N叫做真数。


本文介绍了算法复杂度的表示方式,如O(1), O(n), O(logn), O(nlogn),并阐述它们如何描述算法运行时间和空间需求与数据规模的关系。同时,解释了对数的概念及其在算法分析中的应用。
1万+

被折叠的 条评论
为什么被折叠?



