一、前言：
由于平时接触算法比较少，今天看资料看到了o(1)，都不知道是什么意思，百度之后才知道是什么意思。
描述算法复杂度时,常用o(1), o(n), o(logn), o(nlogn)表示对应算法的时间复杂度，是算法的时空复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。
O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。
比如时间复杂度为O(n)，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。再比如时间复杂度O(n2)，就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是典型的O(n2)的算法，对n个数排序，需要扫描n×n次。
再比如O(logn)，当数据增大n倍时，耗时增大logn倍（这里的log是以2为底的，比如，当数据增大256倍时，耗时只增大8倍，是比线性还要低的时间复杂度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标。
O(nlogn)同理，就是n乘以logn，当数据增大256倍时，耗时增大256*8=2048倍。这个复杂度高于线性低于平方。归并排序就是O(nlogn)的时间复杂度。
O(1)就是最低的时空复杂度了，也就是耗时/耗空间与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变。 哈希算法就是典型的O(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标（不考虑冲突的话）
注意：log不写底数时底数到底是多少？
我知道log的底数是10时可以写成lg，底数是e时可以简写成ln，但是如果不写底数，那默认的底数又是多少呢，在电子学中计算伯德图时使用的是log没有底数，计算CMRR时也用的是log，他们默认以10为底，但是很多网友又说log不写底数默认是2，也有说默认是e，
如果a^b=c，则称b是以a为底c的对数，记作：b=loga(c)。
虽然看似有各种各样的约定俗成，但其实根据用途也比较容易推断出来，归根结底都是为了简化运算。
- 数学，物理中绝大部分是e，因为要经常涉及微积分，(lnX)'=1/X，可以简化运算。
- 计算机科学中则基本是2，因为计算机的计算方式基本为2进制（即使是8/16进制也同理），可以简化运算。
- 只有个别情况是10，如计算增益[一般声学10，电学(功率)20]等，可以简化运算。此题是电学计算增益，所以默认底是10。
网友评论