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。不仅仅用于表示时间复杂度,也用于表示空间复杂度。 语法:O后面的括号中有一个函数,指明某个算法的耗时或者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。 时间复杂度为O(n^2):就代表数据量增大n倍时,耗时增大n的平方倍,这是比线性更高的时间复杂度。比如冒泡排序,就是典型的O(n^2)的算法,对n个数排序,需要扫描n×n次。 时间复杂度为O(logn):当数据增大n倍时,耗时增大logn倍(这里的lo...