常见的时间复杂度

常见的算法时间复杂度由小到大依次为：

常数阶  <  对数阶 <  线性阶 <  线性对数阶 <  平方阶 <  立方阶 <  指数阶

O() < O() < O() < O() < O()  < O() < O()

随着 ​ 的规模不断增大，上述时间复杂度不断增大，算法的执行效率越低

常数阶 O()

无论代码执行了多少行，只要是没有循环等复杂结构，那这个代码的时间复杂度就是O()

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

​代码执行的时候，并不随着某个变量的增长而增长，那么无论代码有多少行，即使有几万几十万行，它的时间复杂度都是O（1）

对数阶 O()

int i = 1；
while(i < n){
    i = i * 2;
}

在while循环里面，每次都将i乘以2，乘完之后，i距离n就越来越近，假设循环x次后，i 就大于n了，此时这个循环就退出了，也就是说2的x次方等于n，那么x = 也就是说当循环次后，这个代码就结束了，因此这个代码的时间复杂度为O（）

线性阶 O（）

for (i = 1; i<= n; ++i){
    j = 1;
    j++;
}

这段代码，for循环里面的代码会执行n遍，因此它消耗的时间是随着n的变化而变化的，因此这类代码都可以用O（）来表示它的时间复杂度

线性对数阶  O()

for (m = 1; m < n; m ++){
    i = 1;
    while (i < n){
        i = i * 2;
    }
}

线性对数阶将时间复杂度为 O()的代码循环N遍

平方阶

两个for循环的时间复杂度就是