Big O算法复杂度

本文介绍了Big O符号及其在计算机科学中的应用,主要用于描述算法的时间复杂度和空间复杂度。详细阐述了常数时间复杂度O(1)、线性时间复杂度O(n)以及二次时间复杂度O(n^2),并举例说明了O(1)空间复杂度和O(n)算法复杂度的概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. Big O介绍

大O符号(Big O notation)是用于描述函数渐进行为的数学符号。它是用另一个(通常更简单的)函数来描述一个函数数量级的渐近上界。在计算机科学中,用它来描述算法的复杂度。


2.Big O 算法复杂度

a.O(1) Constant

def func_constant(values):
    '''
    Prints first item in a list of values.
    '''
    print values
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值