算法运行时间1、logN、N、NlogN 、N^2、N^3、2^n之间的比较

排序算法中，常常要求我们估算出最坏情况运行时间和平均情况/期望运行时间。在估算运行时间时，我们常用到下面一些时间量：

1	大部分程序的大部分指令之执行一次，或者最多几次。如果一个程序的所有指令都具有这样的性质，我们说这个程序的执行时间是常数。
logN	如果一个程序的运行时间是对数级的，则随着N的增大程序会渐渐慢下来，如果一个程序将一个大的问题分解成一系列更小的问题，每一步都将问题的规模缩减成几分之一，一般就会出现这样的运行时间函数。在我们所关心的范围内，可以认为运行时间小于一个大的常数。对数的基数会影响这个常数，但改变不会太大：当N=1000时，如果基数是10，logN等于3；如果基数是2，logN约等于10.当N=1 00 000，logN只是前值的两倍。当N时原来的两倍，logN只增长了一个常数因子：仅当从N增长到N平方时，logN才会增长到原来的两倍。
N	如果程序的运行时间的线性的，很可能是这样的情况：对每个输入的元素都做了少量的处理。当N=1 000 000时，运行时间大概也就是这个数值；当N增长到原来的两倍时，运行时间大概也增长到原来的两倍。如果一个算法必须处理N个输入（或者产生N个输出），那么这种情况是最优的。
NlogN	如果某个算法将问题分解成更小的子问题，独立地解决各个子问题，最后将结果综合起来（如归并排序，堆排序），运行时间一般就是NlogN。我们找不到一个更好的形容，就暂且将这样的算法运行时间叫做NlogN。当N=1 000 000时，NlogN大约是20 000 000。当N增长到原来的两倍，运行时间超过原来的两倍，但超过不是太多。
N平方	如果一个算法的运行时间是二次的（quadratic），那么它一般只能用于一些规模较小的问题。这样的运行时间通常存在于需要处理每一对输入数据项的算法（在程序中很可能表现为一个嵌套循环）中，当N=1000时，运行时间是1 000 000；如果N增长到原来的两倍，则运行时间将增长到原来的四倍。
N三次方	类似的，如果一个算法需要处理输入数据想的三元组（很可能表现为三重嵌套循环），其运行时间一般就是三次的，只能用于一些规模较小的问题。当N=100时，运行时间就是1 000 000；如果N增长到原来的两倍，运行时间将会增长到原来的八倍。
2的N次方	如果一个算法的运行时间是指数级的（exponential），一般它很难在实践中使用，即使这样的算法通常是对问题的直接求解。当N=20时，运行时间是1 000 000；如果增长到原来的两倍时，运行时间将是原时间的平方！

常见排序算法运行时间比较：

算法	最坏情况运行时间	平均情况/期望运行时间
插入算法	O(n^2)	O(n^2)
快速排序	O(n^2)	O(nlogn)【期望】
归并排序	O(nlogn)	O(nlogn)
堆排序	O(nlogn)	O(1)
希尔排序	O(n^2)	O(n^(3/2))
桶排序	O(n^2)	O(n)【平均情况】

1KB=2^10=1024

1MB=2^20=2^10*2^10=1024*1024约等于1 000 000(百万)

1GB=2^30=2^10*2^10*2^10=1024*1024*1024约等于1 000 000 000 (十亿)

算法运行时间1、logN、N、NlogN 、N^2、N^3、2^n之间的比较相关推荐

算法复杂度O(1),O(n),O(logn),O(nlogn)的区别
算法复杂度分为时间复杂度和空间复杂度: 时间复杂度是指执行这个算法所需要的计算工作量空间复杂度是指执行这个算法所需要的内存空间 1.对于一个循环,假设循环体的时间复杂度为 O(n),循环次数为 n, ...
算法复杂度 O(1),O(n),O(logn),O(nlogn)的区别
算法复杂度分为时间复杂度和空间复杂度时间复杂度是指执行这个算法所需要的计算工作量空间复杂度是指这个算法所需要的内存空间 1.对于一个循环,假设循环体的时间复杂度为O(n),循环次数为n,则这个循环 ...
一文带你了解算法复杂度O(1),O(n),O(logn),O(nlogn)的含义
详解O(1),O(n),O(logn),O(nlogn)的区别相信很多开发的同伴们在研究算法.排序的时候经常会碰到O(1),O(n),O(logn),O(nlogn)这些复杂度,看到这里就会有个疑惑 ...
时间复杂度O(1) O(n) O(logn) O(nlogn)是什么意思？
在你渐渐迷失在你的人生道路上的时候,千万不要因为走的太久,而忘记了我们为什么出发,做码农,也要清楚自己如何才能用有效的土地种植出出色的产品,于是细节就需要把握一下. 如果你有兴趣可以关注一下公众号 ...
时间复杂度，O(1), O(n), O(logn), O(nlogn) 的区别+样例分析
在描述算法复杂度时,经常用到O(1),O(n),O(logn),O(nlogn)O(1), O(n), O(logn), O(nlogn)O(1),O(n),O(logn),O(nlogn)来表示对应 ...
时间复杂度与O(1), O(n), O(logn), O(nlogn) 的区别
在描述算法复杂度时,经常用到O ( 1 ) , O ( n ) , O ( l o g n ) , O ( n l o g n ) O(1), O(n), O(logn), O(nlogn)O(1), ...
O(1), O(n), O(logn), O(nlogn) 的区别（转自ted 常）
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(lo ...
时间复杂度 O(1),O(n),O(n^2),O(logn),O(nlogn) 详解
在描述算法复杂度时,经常用到O(1), O(n),O(n^2), O(logn), O(nlogn)来表示对应算法的时间复杂度, 下面解释下他们的含义: 这是算法的时空复杂度的表示.不仅仅用于表示时间 ...
《转载》o(1), o(n), o(logn), o(nlogn) 是什么含义？
2019年05月09日在描述算法复杂度时,经常用到o(1), o(n), o(logn), o(nlogn)来表示对应算法的时间复杂度, 这里进行归纳一下它们代表的含义: 这是算法的时空复杂度的表示 ...

算法运行时间1、logN、N、NlogN 、N^2、N^3、2^n之间的比较

算法运行时间1、logN、N、NlogN 、N^2、N^3、2^n之间的比较相关推荐

最新文章

热门文章