算法系列01：复杂度入门，为什么 O(n) 比 O(n²) 更重要

用输入规模判断程序增长速度，避免写出小样本没问题、真实数据会超时的代码。

2026-06-20

学习目标 用统一语言描述“快”和“慢” 用复杂度快速估算可行性 学会把常见代码段翻译为复杂度表达 核心思路 复杂度看的是随输入规模增长的趋势，不是当前这一次的秒数。常见类型： O(1)：常数时间，不随 n 变 O(log n)：每次规模减半 O(n)：线性增长 O(n log n)：常见高效排序 O(n²)：双重循环，规模翻倍会明显变慢 O(2^n)：指数增长，规模大时要谨慎 简单判读模板 O(1)：几行固定操作 O(n)：单层循环 O(n²)：两层嵌套循环 O(log n)：每步规模减半 实战建议 写代码前先判断 n 的量级。 同类问题先比较复杂度，再比常数项优化。 多关注整体流程的瓶颈。