時間複雜度o(1), o(n), o(logn), o(nlogn) 說明

在描述算法時一般用o(1), o(n), o(logn), o(nlogn) 來講明時間複雜度

o(1)：是最低的時空複雜度，也就是耗時/耗空間與輸入數據大小無關，不管輸入數據增大多少倍，耗時/耗空間都不變。 哈希算法就是典型的O(1)時間複雜度，不管數據規模多大，均可以在一次計算後找到目標（不考慮衝突的話）

O(n)：表明數據量增大幾倍，耗時也增大幾倍。(n)表明輸入的數據量，好比常見的遍歷算法

O(n^2)：表明數據量增大n倍，時間複雜度就是n的平方倍，好比冒泡排序，就是典型的O(n^2)的算法，對n個數排序，須要掃描n×n次。

O(logn)：當數據增大n倍時，耗時增大logn倍（這裏的log是以2爲底的，好比，當數據增大256倍時，耗時只增大8倍，是比線性還要低的時間複雜度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256個數據中查找只要找8次就能夠找到目標

O(nlogn)：同理，就是n乘以logn，當數據增大256倍時，耗時增大256*8=2048倍。這個複雜度高於線性低於平方。歸併排序就是O(nlogn)的時間複雜度。