Ⅰ C語言中的演算法里，時間復雜度可以記為O(N平方)。字母O 表示什麼
計算機科學中，演算法的時間復雜度是一個函數，它定量描述了該演算法的運行時間。這是一個關於代表演算法輸入值的字元串的長度的函數。時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。
代表「order of ...」（……階）的大 O，最初是一個大寫的希臘字母希臘字母'Ο'（Omicron），現今用的是大寫拉丁字母『O』。
Ⅱ 這些排序的時間復雜度前面那個〇是什麼意思啊
那個〇表示時間復雜度是哪個級別的（通常忽略較低階的項，以及最高項前的常數系數）
時間復雜度是同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。
計算機科學中，演算法的時間復雜度是一個函數，它定性描述了該演算法的運行時間。這是一個關於代表演算法輸入值的字元串的長度的函數。時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。使用這種方式時，時間復雜度可被稱為是漸近的，它考察當輸入值大小趨近無窮時的情況。
Ⅲ 時間復雜度常數階為什麼只能為0（1）
時間復雜度O是一個上界，設演算法所需時間和數據規模n的關系為t(n)，如果當n->∞時，總有O*c>t(n)成立，其中c為一個常數，則記O為演算法的時間復雜度。
如果你的演算法只包含固定的列印語句，和數據規模沒有關系，那麼演算法就是常量時間復雜度O(1)。哪怕你的演算法列印語句有10000行，也可以找到常數c=10001，使得1*10001>10000成立，因此演算法的時間復雜度仍然是O(1)。
Ⅳ 時間復雜度為什麼用O()表示，有什麼英文縮寫在裡面嗎/
這個首先要明確一點，只用到比較的排序演算法最低時間復雜度是O(nlogn)，而像桶排這樣的只需要O(R)(R為桶的大小)
為了證明只用到比較的排序演算法最低時間復雜度是O(nlogn)，首先要引入決策樹。
首先決策樹是一顆二叉樹，每個節點表示元素之間一組可能的排序，它予以京進行的比較相一致，比較的結果是樹的邊。
先來說明一些二叉樹的性質，令T是深度為d的二叉樹，則T最多有2^片樹葉。
具有L片樹葉的二叉樹的深度至少是logL。
所以，對n個元素排序的決策樹必然有n!片樹葉（因為n個數有n!種不同的大小關系），所以決策樹的深度至少是log(n!)，即至少需要log(n!)次比較。
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)
所以只用到比較的排序演算法最低時間復雜度是O(nlogn)。
Ⅳ 時間復雜度
時間復雜度就是用來方便開發者估算出程序的運行時間。
我們該如何估計程序運行時間呢，我們通常會估計演算法的操作單元數量，來代表程序消耗的時間， 這里我們默認CPU的每個單元運行消耗的時間都是相同的。
假設演算法的問題規模為n，那麼操作單元數量便用函數f(n)來表示。隨著數據規模n的增大，演算法執行時間的增長率和f(n)的增長率相同，這稱作為演算法的漸近時間復雜度，簡稱時間復雜度，記為 O(f(n))。
表示方式：
在計算機科學中，時間復雜性，又稱時間復雜度，演算法的時間復雜度是一個函數，它定性描述該演算法的運行時間。這是一個代表演算法輸入值的字元串的長度的函數。
時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。使用這種方式時，時間復雜度可被稱為是漸近的，亦即考察輸入值大小趨近無窮時的情況。