BigO

##使用BigO来衡量程式码的时间複杂度(time complexity)是很重要的一件事情,接下来让我们来学习吧
以下为阅读[https://pjchender.blogspot.com/2017/09/big-o-notation-time-complexity.html] PJ老师的阅后心得,并且搭配JavaScript资料结构与演算法!!!

BigO(1)

只输出该array的index值0、1,即为常数1

function BigO(array){    console.log(array[0])    console.log(array[1])}BigO([0,1,2,3,4,5])//0//1

BigO(n)

输出n即线性输出,若输入10000次即输出10000次

function BigO(array){   for(let i=0; i<array.length; i++){       console.log(array[i])   }}BigO([0,1,2,3,4,5])// 0// 1// 2// 3// 4// 5

BigO(n^2)

输出n即为平方,要特别注意BigO(n^2)是很差的算法了!!!

function BigO(array){   for(let i=0; i<array.length; i++){       for(let j=0; j<array.length; j++){           console.log(array[j])       }   }}BigO([0,1])// 0// 1// 0// 1

BigO(log n)

虽然输入是线性,但因为每次都对半砍,所以为BigO(logn)

let array1 = [1,3,5,7,9,11]function BigO(array, key){    let min = 0     let max = array.length -1    while(min <= max){        let middle = Math.floor((min + max) /2)                if(array[middle] > key) {            max = array[middle -1]        }else if(array[middle] < key){            min = array[middle +1]        }else{            return middle        }    }}console.log(BigO(array1, 5 ))//index为2