时间复杂度——算法小白笔记（通俗易懂）

时间复杂度——算法小白的保姆级笔记，通俗易懂

一句话解释

时间复杂度是算法分析中用来衡量算法执行效率的一个指标，它表示随着输入规模的增大，算法执行所需要的时间增长的速度。

举个例子

通常用大O符号（O）来表示时间复杂度，例如O(1)、O(n)、O(nlogn)等。其中，n表示输入规模，常见的算法时间复杂度有：

1. O(1)：常数时间复杂度，算法的执行时间不随输入规模的增大而增大，例如数组的访问、哈希表的查找等；
2. O(logn)：对数时间复杂度，算法的执行时间随着输入规模的增大而增长，但增长速度很慢，例如二分查找、平衡树的查找等；
3. O(n)：线性时间复杂度，算法的执行时间随着输入规模的增大而增长，增长速度与输入规模成正比，例如数组的遍历、简单查找等；
4. O(nlogn)：线性对数时间复杂度，算法的执行时间随着输入规模的增大而增长，但增长速度比线性更快，例如归并排序、快速排序等；
5. O(n^2)：平方时间复杂度，算法的执行时间随着输入规模的增大而增长，并且增长速度很快，例如冒泡排序、选择排序等。