时间复杂度为什么叫O

⑴ 建立一个有n个元素的有序单链表的时间复杂度度为什么是O(n^2) 求详解哇……(>﹏<)

因为o（n^2），对单链表而言，一些快速的排序算法，不能用，只能用直接插入等o（n^2）级的排序算法来实现排序。因为是有序单链表那么每次插入到链表尾结点，那么每次插入都要从头扫到尾，然后1+2+3+... m = O（m^2）这样。

链表中的数据是以结点来表示的，每个结点的构成：元素(数据元素的映象) +指针(指示后继元素存储位置)，元素就是存储数据的存储单元，指针就是连接每个结点的地址数据。以“结点的序列”表示线性表称作线性链表（单链表），单链表是链式存取的结构。

(1)时间复杂度为什么叫O扩展阅读：

typedef char DataType; //假设结点的数据域类型为字符

typedef struct node{ //结点类型定义

DataType data; //结点的数据域

struct node *next;//结点的指针域

}ListNode;

typedef ListNode *LinkList;

ListNode *p;

LinkList head;

注意：

①LinkList和ListNode是不同名字的同一个指针类型。（命名的不同是为了概念上更明确）

②*LinkList类型的指针变量head表示它是单链表的头指针。

③ListNode类型的指针变量p表示它是指向某一结点的指针。

⑵ 时间复杂度O与空间复杂度O是什么意思

如果你学过数据结构的话，应该会有所了解，这两个值，是在处理一个数据时，所花费的时间和内存占用空间大小，进而来优化算法的。比如数据的排序，有很多算法，有不同的时间和空间复杂度。

⑶ 时间复杂度为什么用O

最早是由德国数学家Paul Bachmann在1894年首先使用的，之后又被另一位德国数学家Edmund Landau在其作品中广泛使用，因此也叫做Landau symbol（朗道符号）。真正在计算机领域被用于复杂度计算还得归功于传奇的Donald Knuth，Omega符号也是他引入的。

⑷ 为什么是时间复杂度是O

but he failed And he was socked with sweat.

⑸ 时间复杂度和空间复杂度分别是什么

时间复杂度，又称时间复杂性，算法的时间复杂度是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。

空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1)。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。

时间复杂度和空间复杂度资料：

算法复杂度分为时间复杂度和空间复杂度。其作用：时间复杂度是指执行算法所需要的计算工作量；而空间复杂度是指执行这个算法所需要的内存空间。（算法的复杂性体运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。

对于一个算法，其时间复杂度和空间复杂度往往是相互影响的。当追求一个较好的时间复杂度时，可能会使空间复杂度的性能变差，即可能导致占用较多的存储空间；反之，当追求一个较好的空间复杂度时，可能会使时间复杂度的性能变差，即可能导致占用较长的运行时间。

以上内容参考网络——时间复杂度

以上内容参考网络——空间复杂度

⑹ 冒泡排序最佳情况的时间复杂度，为什么是O

冒泡排序最佳的情况是序列已经有序，因此只需要一趟即完成排序，此时排序当次未发生数据交换，时间复杂度为O（n）。

⑺ 冒泡排序最好时间复杂度为什么是O

冒泡排序的最佳时间复杂度是O(n)，即是在序列本来就是正序的情况下。

⑻ 时间复杂度为什么用O()表示，有什么英文缩写在里面吗/

这个首先要明确一点，只用到比较的排序算法最低时间复杂度是O(nlogn)，而像桶排这样的只需要O(R)(R为桶的大小)
为了证明只用到比较的排序算法最低时间复杂度是O(nlogn)，首先要引入决策树。
首先决策树是一颗二叉树，每个节点表示元素之间一组可能的排序，它予以京进行的比较相一致，比较的结果是树的边。
先来说明一些二叉树的性质，令T是深度为d的二叉树，则T最多有2^片树叶。
具有L片树叶的二叉树的深度至少是logL。
所以，对n个元素排序的决策树必然有n!片树叶（因为n个数有n!种不同的大小关系），所以决策树的深度至少是log(n!)，即至少需要log(n!)次比较。
而
log(n!)=logn+log(n-1)+log(n-2)+...+log2+log1
>=logn+log(n-1)+log(n-2)+...+log(n/2)
>=(n/2)log(n/2)
>=(n/2)logn-n/2
=O(nlogn)
所以只用到比较的排序算法最低时间复杂度是O(nlogn)。

⑼ 排序里的时间复杂度o是什么意思

T(n)=O(f(n))
T由O和F复合得到，F是问题规模到原操作频数的映射，O是频数到时间的映射！

⑽ 为什么是时间复杂度是O(1)

O(1)说明不管x、y同时增大多少倍，这段代码都能在常数时间结束运行
其实这段代码不能简单的说复杂度是O(1)
说是O(10y)=O(y)更准确
x的大小对总体复杂度影响不大