本文主要是介绍时间复杂度之大O表示法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、概念
O表示法：设T( n)和 g( n)是正整数集到正实数集上的函数。称T( n) = O( g( n)) ，当且仅当存在一个正常数 C 和 n0，使得对任意的 n ≥ n0，有T( n) ≤ C g( n)。其中：n 是算法输入的规模，如数组的长度，图的顶点数等；一个算法时间复杂性是O(g( n))，称其时间复杂性的阶为g( n)；
大 O 符号定义了函数 T(n) 的一个 上限 ，算法 的运行 时间（基本运算次数）至多是g(n)的一个常数倍。即： T(n)的增长速度至多与g(n)的增长速度一样快。
二、常见时间复杂度
在每秒处理1亿次左右基本操作的计算机上，可以处理的1s对应的数据量量级：
O(n)：10^7到10^8之间
O(nlogn):10^5到10^6
O(n^2)：10^3到10^4
O(n^3)：10^2到10^3
O(2^n)：20到30
O(n!)：10到12
三、 常用性质
（1）常系数，低次项以及低阶可忽略
（2）对数底可忽略
根据换底公式：
即时间复杂度的阶与对数底无关
以任何数为底的，都可以是O(logn)
（3）对数常数次幂可忽略
四、常用结果
（1）调和级数——O(logn)
（2）级数
这篇关于时间复杂度之大O表示法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
