我们每天使用的具有O（1），O（n log n）和O（log n）复杂度的算法是什么？
答案 0 :(得分：202)
如果您想要问题中给出的具有时间复杂度的算法/语句组的示例，这里有一个小列表 -
O(1)时间O(n)时间简而言之，所有需要线性的Brute Force算法或Noob算法都基于O（n）时间复杂度
O(log n)时间O(n log n)时间通过考虑Divide and Conquer来引入'log n'因子。其中一些算法是经过最佳优化的算法并经常使用。
O(n^2)时间如果他们的O（nlogn）对应物存在，那么这些算法应该是效率较低的算法。一般申请可能是Brute Force。
答案 1 :(得分：28)
O(1)的一个简单示例可能是return 23; - 无论输入是什么，它都会在固定的有限时间内返回。
O(N log N)的典型示例是使用良好算法（例如mergesort）对输入数组进行排序。
一个典型示例，如果O(log N)将通过二分查找排序输入数组中的值。
答案 2 :(得分：24)
O（1） - 大多数烹饪程序都是O（1），也就是说，即使有更多的人做饭，它也需要一定的时间（在某种程度上，因为你的空间不足锅/平底锅，需要分开烹饪）
O（logn） - 在电话簿中查找内容。想二元搜索。
O（n） - 读书，其中n是页数。这是阅读书籍所需的最短时间。
O（nlogn） - 不能立即想到每天可能会做的事情，除非你通过合并或快速排序来分类卡片！
答案 3 :(得分：10)
我可以为您提供一些通用算法......
这些将是肠道反应，因为这听起来像家庭作业/面试的问题。如果你正在寻找更具体的东西，那就更难了，因为公众通常不知道流行应用程序的底层实现（当然是开源），这个概念一般也不适用于“应用程序”< / p>
答案 4 :(得分：3)
O（1） - 从双向链表中删除元素。 e.g。
typedef struct _node {
struct _node *next;
struct _node *prev;
int data;
} node;
void delete(node **head, node *to_delete)
{
.
.
.
}
答案 5 :(得分：2)
软件应用程序的复杂性不是衡量的，也不是用大写法写的。它仅用于测量算法复杂度和比较同一域中的算法。最有可能的是，当我们说O（n）时，我们的意思是它是“O（n）比较”或“O（n）算术运算”。这意味着，您无法比较任何算法或应用程序对。
答案 6 :(得分：2)
O（1）：在国际象棋中找到最好的下一步（或者Go）。由于游戏状态的数量是有限的，所以只有O（1）： - ）
答案 7 :(得分：2)
您可以在列表中添加以下算法：
O(1) - 确定数字是偶数还是奇数;使用HashMap
O(logN) - 计算x ^ N，
O(N Log N) - 增长最长的子序列
答案 8 :(得分：1)
O（n log n）着名的是你可以对任意集合进行排序的速度的上限（假设一个标准而非高度并行的计算模型）。
答案 9 :(得分：0)
0（logn）-二进制搜索，数组中的峰元素（可以有多个峰） 0（1）-在python中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，它需要花费登录时间。
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。
答案 10 :(得分：0)
O（2 N ）
O（2 N ）表示一种算法，随着输入数据集的每个增加，其增长都翻倍。 O（2 N ）函数的增长曲线是指数的-从非常浅的起点开始，然后在气象上上升。 O（2 N ）函数的一个示例是斐波纳契数的递归计算：
int Fibonacci (int number)
{
if (number <= 1) return number;
return Fibonacci(number - 2) + Fibonacci(number - 1);
}