算法复杂度判断

原文：https://www.acwing.com/blog/content/32/

下面给出在不同数据范围下，代码的时间复杂度和算法该如何选择：

1. n≤30 指数级别, dfs+剪枝，状态压缩dp
2. n≤100 => $O(n^3)$，floyd，dp
3. n≤1000 => $O(n^2)，O(n^2logn),$ dp，二分
4. n≤10000 => $O(n* \sqrt {n})$，块状链表
5. n≤100000 => $O(nlogn)$ => 各种sort，线段树、树状数组、set/map、heap、dijkstra+heap、spfa、求凸包、求半平面交、二分
6. n≤1000000 => $O(n)$, 以及常数较小的 O(nlogn) 算法 => hash、双指针扫描、kmp、AC自动机，常数比较小的 O(nlogn) 的做法：sort、树状数组、heap、dijkstra、spfa
7. n≤10000000 => $O(n)$，双指针扫描、kmp、AC自动机、线性筛素数
8. n≤10^9 => $O(\sqrt{n})$，判断质数
9. n≤10^18 => $O(logn)$，最大公约数