4.2 KiB
| title | localeTitle |
|---|---|
| Big O Notation | 大O符号 |
大O符号
作为一名计算机科学家，如果您正在处理一个重要的软件，您可能需要能够估计一些算法或其他算法的运行速度。
Big O表示法用于计算机科学中以描述算法的性能或复杂性。实际上，Big O表示法是一种特殊符号，可以告诉您算法的速度有多快。当然，您经常使用预定义的算法 - 当您这样做时，了解它们的速度或速度至关重要。
Big O符号是什么样的？
这将告诉您算法将执行的操作数。它被称为Big O表示法，因为你在操作次数之前放置了一个“大O”。
Big O建立了最坏情况的运行时间
假设您是治疗Harry Abbit的医生，您可能会查看与Harry Abbit的病史相关的电子记录（他是列表中的第一个人）。让我们考虑一下他的生命取决于所有可用的医疗数据的情况。 假设您使用简单搜索在电子记录中查找某个人。您知道简单搜索需要花费O（n）时间才能运行，因此您必须查看Abbit的每个条目。当然，您已经注意到Abbit是第一个条目，因此您不必查看每个条目 - 您在第一次尝试时就找到了它。
这个算法花了O（n）时间吗？或者它花了O（1）时间，因为你第一次尝试找到了这个人？
在这种情况下，这是最好的情况。但Big O符号是关于最坏情况的。这是O（n）时间（简单搜索仍然需要）。令人放心的是，简单搜索永远不会比O（n）时间慢。
算法运行时间以不同的速率增长
我们假设检查一个条目需要1毫秒。通过简单的搜索，医生必须检查10个条目，因此搜索需要10毫秒才能运行。另一方面，他只需要用_二进制搜索算法_检查3个元素（log10大约是3），因此搜索需要3毫秒才能运行。
但实际上，该列表将有超过一百个元素。
如果是这样，简单搜索需要多长时间？二进制搜索需要多长时间？
使用10亿个项目进行简单搜索的运行时间为10亿毫秒，即11天。问题是，二进制搜索和简单搜索的运行时间_不会以相同的速率增长_ 。
因此，随着数字列表变大，二进制搜索变得比简单搜索快得多。也就是说，随着项目数量的增加，二进制搜索需要更多的时间来运行。但是，简单的搜索需要更多_的_时间来运行。因此，随着数字列表变大，二进制搜索变得比简单搜索快得多。
这就是为什么它不足以知道算法运行多长时间 - 你需要知道运行时间随着列表大小的增加而增加。这就是Big O符号的用武之地。
Big O表示法可让您比较操作次数
例如，假设您有一个大小为n的列表。简单搜索需要检查每个元素，因此需要n次操作。 Big O表示法中的运行时间为O（n）。
秒数在哪里？
没有 - 大O不会在几秒钟内告诉你速度。 _Big O表示法可让您比较操作次数。_它告诉你算法的增长速度。
</ p
算法最常见的运行时间
根据Big O表示法算法的最常见运行时间列表。 这里有五个大O运行时间，你会遇到很多，从最快到最慢排序：
- O（log n），也称为_日志时间_ 。 示例：二进制搜索。
- O（n），也称为_线性时间_ 。 示例：简单搜索。
- O（n * log n） 示例：快速排序算法，如quicksort（将在第4章中介绍）。
- O（N2） 示例：慢速排序算法，如选择排序（见第2章）。
- 上！） 示例：一个非常慢的算法，如旅行销售员（接下来会出现！）。
本文仅介绍Big O的基础知识。有关更深入的解释，请查看各自的FreeCodeCamp算法指南。