114

我们每天使用一些复杂度为O（1），O（n log n）和O（log n）的算法？

algorithm time-complexity

— 雷切尔
source

6

为什么选择维基？这既不是民意测验，也不是主观的。她想要big-O属性的特定示例。

— paxdiablo

4

Wiki因为没有单个正确答案，所以有多个答案。

— Jason S

2

维基百科也有不错的清单。 en.wikipedia.org/wiki/Time_complexity

— Homer6

234

如果您要使用问题中给出的具有时间复杂度的算法/语句组示例，请查看以下清单-

`O(1)` 时间

访问数组索引（int a = ARR [5];）
在链接列表中插入节点
在堆栈上推送和弹出
从队列中插入和删除
在存储在Array中的树中找出节点的父级或左/右子级
跳转到双链表中的下一个/上一个元素

`O(n)` 时间

简而言之，所有需要线性的蛮力算法或Noob算法都基于O（n）时间复杂度

遍历数组
遍历链接列表
线性搜寻
删除链接列表中的特定元素（未排序）
比较两个字符串
检查回文
计数/桶排序，在这里您还可以找到更多这样的示例...。

`O(log n)` 时间

二进制搜索
在二叉搜索树中找到最大/最小的数字
基于线性功能的某些分而治之算法
计算斐波纳契数-最佳方法这里的基本前提是不使用完整的数据，并且每次迭代都减少问题的大小

`O(n log n)` 时间

通过考虑分而治之引入“ log n”因子。其中一些算法是最优化的算法，并且经常使用。

合并排序
堆排序
快速排序
基于优化O（n ^ 2）算法的某些分而治之算法

`O(n^2)` 时间

如果存在它们的O（nlogn）对应物，则这些算法应该是效率较低的算法。此处的通用应用程序可能是蛮力。

气泡排序
插入排序
选择排序
遍历简单的2D数组

— 卡兰·巴贾杰（Karan Bajaj）
source

5

那n！呢？我一直在想什么常用的算法使用n !？

— Y_Y 2014年

访问HashMap值以及更复杂的算法，例如LRU实现，该算法使用HashMap和双链表实现O（1）或使用PUSH / POP / MIN功能实现堆栈。Fibonacci的递归实现也属于N!。

— Ruralcoder 2014年

11

我的OCD希望您将O(log n)列表切换为列表之前的O(n)列表，以使列表按从好到坏的顺序排列。哈哈:)

— 萨姆·伊顿

4

除非是方矩阵，否则遍历2D数组实际上是O（nxm）。

— 西蒙·派克

1

“旅行推销员”问题就是n的一个例子！（n阶乘）

— Ju66ernaut

28

一个简单的示例O(1)可能是return 23;-无论输入如何，都将在固定的有限时间内返回。

一个典型的例子是O(N log N)使用良好的算法（例如mergesort）对输入数组进行排序。

一个典型的示例O(log N)是按二等分查找排序后的输入数组中的值。

— 亚历克斯·马特利
source

28

O（1）-大多数烹饪程序都是O（1），也就是说，即使有更多的人要烹饪，也要花一定的时间（一定程度上，因为锅/锅可能空间不足并需要分开做饭）

O（登录）-在电话簿中查找某些内容。考虑二进制搜索。

O（n）-读一本书，其中n是页数。这是读书所需的最短时间。

O（nlogn）-无法立即想到某人每天可能做的某事，除非您通过合并或快速排序对卡片进行排序！

— i
source

2

煮烤要比迷你烤花费更多的时间：-)

— paxdiablo

4

但是通常只要您的烤箱足够大，就可以同时煮两个迷你烤和一个迷你烤。

— CHII

1

非常有见地！我想从名称/号码列表中编译电话或地址簿的任务可能是O（n log n）

— squashed.bugaboo 2014年

10

我可以为您提供一些通用算法...

O（1）：访问数组中的元素（即，int i = a [9]）
O（n log n）：快速或合并排序（平均）
O（log n）：二进制搜索

这些可能是肠道反应，因为这听起来像是作业/面试之类的问题。如果您正在寻找更具体的东西，那会有些困难，因为公众一般不会知道流行应用程序的底层实现（当然要保留开源），该概念通常也不适用于“应用程序”

— 扫描机组
source

4

O（1）：在国际象棋中找到最佳下一个动作（或就此而言，前进）。由于游戏状态的数量是有限的，所以只有O（1）:-)

— 卡斯滕
source

5

是的，您通常可以在时间上换取空间。实际上，我是在井字游戏中这样做的，因为只有3 ^ 9个状态（如果您智能地处理旋转，则状态会更少）。但是，国际象棋的州数量却更多：-)

— paxdiablo，2009年

1

问题是我将只活O(1)O(1)

— 几

3

软件应用程序的复杂性没有度量，也没有用big-O表示法编写。仅用于测量算法复杂性并比较同一域中的算法才有用。最有可能的是，当我们说O（n）时，是指它是“ O（n）比较 ”或“ O（n）算术运算”。这意味着您无法比较任何一对算法或应用程序。

— P切
source

1

这不是真的。如果算法的时间复杂度为O（N），则意味着对于某些常数k，其运行时间受k * N个步长的限制。“步骤”是CPU周期，汇编指令还是（简单的）C操作并不重要。常数k隐藏了这些细节。

— 伊戈尔·奥斯特罗夫斯基

更不用说在很多实际情况下，O（logN）算法的“ c”使其比简单的O（N）算法更糟糕。

— Zed

哈哈，是的，然后用N表示图灵机磁带上的输入长度，这使得垂直分割形式的实现花费了指数时间。:-)每个领域都有自己的要求和抽象的领域。

— P

3

O（1）-从双向链表中删除元素。例如

typedef struct _node {
    struct _node *next;
    struct _node *prev;
    int data;
} node;


void delete(node **head, node *to_delete)
{
    .
    .
    .
}

— 西吉斯
source

2

您可以将以下算法添加到列表中：

O(1)-确定一个数字是偶数还是奇数；使用HashMap

O(logN) -计算x ^ N，

O(N Log N) -最长的递增子序列

— 拉赫维拉
source

1

O（n log n）是您可以对任意集合进行排序的速度的上限（假设是标准的且不是高度并行的计算模型）。

— 卡斯滕
source

0

0（logn）-二进制搜索，数组中的峰元素（可以有多个峰）0（1）-用python计算列表或字符串的长度。len（）函数需要0（1）时间。访问数组中的元素需要0（1）时间。堆栈中的推入操作需要0（1）时间。0（nlogn）-合并排序。在python中排序需要花费nlogn的时间。因此，当您使用listname.sort（）时，它花费了nlogn的时间。

由于冲突，在哈希表中进行笔记搜索有时会花费比固定时间更多的时间。

— 阿比纳夫·瓦杰佩伊（Abhinav Vajpeyi）
source

0

O（2 ^N）

O（2 ^N）表示一种算法，每增加一个输入数据集，其增长量就会增加一倍。O（2 ^N）函数的增长曲线是指数的-从非常浅的位置开始，然后在气象上上升。O（2 ^N）函数的一个示例是斐波那契数的递归计算：

int Fibonacci (int number)
{
if (number <= 1) return number;
return Fibonacci(number - 2) + Fibonacci(number - 1);
}

Tower of Hanoi会是一个更好的例子。

— Ashish Duklan

具有O（1），O（n log n）和O（log n）复杂度的算法示例

O(1) 时间

O(n) 时间

O(log n) 时间

O(n log n) 时间

O(n^2) 时间

`O(1)` 时间

`O(n)` 时间

`O(log n)` 时间

`O(n log n)` 时间

`O(n^2)` 时间