图解常见排序方法的时间复杂度

常见排序方法及其复杂度

几种复杂的表示方式：
O（1）： 耗时/耗空间与输入数据大小无关
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。
O(n^{2)，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、递归算法，就是典型的O(n}2)的算法，对n个数排序，需要扫描n×n次。
O( login)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）。如：二分查找
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。多次使用二分法。