一、常见的时间复杂度
时间复杂度由上往下依次增加
| 时间复杂度 | 阶 |
|---|---|
| 常数复杂度 | O(1) |
| 对数复杂度 | O(logn) |
| 线性复杂度 | O(n) |
| 线性对数复杂度 | O(nlogn) |
| K次复杂度 | O(n²)、O(n³)... |
| 指数复杂度 | O(2n) |
| 阶乘复杂度 | O(n!) |
对数复杂度O(logn)
res=1
while res<n:
res=res*2
我们先来找主导，res=res*2就是主导。只要算出它的时间复杂度，就能知道总的时间复杂度。
理解一下代码就可以知道，res初始化为1，当res>=n的时候就会跳出循环，运行结束。那么res又是时时再变化res=res*2，又res初始化为1，所以当前问题就变成了 多少个2相乘才能等于n。也就是2的多少次幂等于n，转换一下变成了
当然要知道对于复杂度来说，不管是以什么为底，最后都只记作O（logn）
对于线性对数复杂度O(nlogn) 没什么可说的，不过就是在上面的一段代码外部套一个for循环罢了。
二、常见空间复杂度
所谓空间复杂度，就是运行过程中临时变量所占用的内存空间。 很简单的，就不再过多叙述，例如一维数组占用n，二维数组占用n²。
