O（1）、O（n log n）、O（log n）の複雑さを備えた、私たちが毎日使用するいくつかのアルゴリズムは何ですか？

質問で与えられた時間の複雑さを伴うアルゴリズム/ステートメントのグループの例が必要な場合は、ここに小さなリストがあります-

O(1) 時間

• 配列インデックスへのアクセス（int a = ARR [5];）
• リンクリストへのノードの挿入
• スタックへのプッシュとポップ
• キューへの挿入と削除
• Arrayに格納されているツリー内のノードの親または左/右の子を見つける
• 二重リンクリストの次/前の要素にジャンプする

O(n) 時間

簡単に言えば、すべてのブルートフォースアルゴリズム、または線形性を必要とするNoobアルゴリズムは、O（n）時間の複雑さに基づいています。

• 配列をトラバースする
• リンクされたリストをトラバースする
• 線形検索
• リンクリスト内の特定の要素の削除（並べ替えなし）
• 2つの文字列の比較
• 回文のチェック
• カウント/バケットソートとここにも100万以上のそのような例を見つけることができます。

O(log n) 時間

• バイナリ検索
• 二分探索木で最大/最小数を見つける
• 線形機能に基づく特定の分割統治アルゴリズム
• フィボナッチ数の計算-最良の方法ここでの基本的な前提は、完全なデータを使用せず、反復ごとに問題のサイズを小さくすることです

O(n log n) 時間

「log n」の要素は、分割統治を考慮することによって導入されます。これらのアルゴリズムのいくつかは最適化されたもので、頻繁に使用されます。

• マージソート
• ヒープソート
• クイックソート
• O（n ^ 2）アルゴリズムの最適化に基づく特定の分割統治アルゴリズム

O(n^2) 時間

これらのO（nlogn）対応物が存在する場合、これらのアルゴリズムは効率の低いアルゴリズムになるはずです。一般的なアプリケーションは、ここではブルートフォースです。

• バブルソート
• 挿入ソート
• 選択ソート
• 単純な2D配列のトラバース

簡単な例ではO(1)あるかもしれないreturn 23;-何でも入力、これは、固定された、有限の時間に戻ります。

の典型的な例はO(N log N)、優れたアルゴリズム（たとえば、mergesort）で入力配列をソートすることです。

O(log N)ソートされた入力配列の値を二分法で検索する場合の典型的な例です。

O（1）-ほとんどの調理手順はO（1）です。つまり、調理する人がもっと多くても、一定の時間がかかります（ポット/鍋のスペースが不足する可能性があるため、ある程度）そして料理を分割する必要があります）

O（logn）-電話帳で何かを見つけます。バイナリ検索を考えてください。

O（n）-本を読む。nはページ数です。本を読むのにかかる最小時間です。

O（nlogn）-マージまたはクイックソートを実行してカードをソートしない限り、nlognである毎日のようなことをすぐに考えることはできません。

いくつかの一般的なアルゴリズムを提供できます...

• O（1）：配列の要素へのアクセス（つまり、int i = a [9]）
• O（n log n）：クイックまたはマージソート（平均）
• O（log n）：バイナリ検索

これは、宿題やインタビューのような質問のように聞こえるので、直感的な回答になります。より具体的なものを探している場合、一般の人は一般的なアプリケーションの基盤となる実装（もちろんオープンソースを節約する）を理解しておらず、一般的な概念は「アプリケーション」に適用されないため、少し難しくなります。

O（1）：チェス（またはその点ではGo）で次の最善の動きを見つける。ゲームの状態数は有限なので、O（1）のみです:-)

ソフトウェアアプリケーションの複雑さは測定されておらず、big-O表記法で記述されていません。アルゴリズムの複雑さを測定し、同じドメイン内のアルゴリズムを比較する場合にのみ役立ちます。おそらく、O（n）と言うときは、「O（n）比較」または「O（n）算術演算」であることを意味します。つまり、アルゴリズムまたはアプリケーションのペアを比較することはできません。

O（1）-二重リンクリストからの要素の削除。例えば

typedef struct _node {
    struct _node *next;
    struct _node *prev;
    int data;
} node;


void delete(node **head, node *to_delete)
{
    .
    .
    .
}

次のアルゴリズムをリストに追加できます。

O(1)-数値が偶数か奇数かを判断する。HashMapの操作

O(logN) -x ^ Nの計算、

O(N Log N) -最も長く増加するサブシーケンス

O（n log n）は、有名なことですが、任意のセットをソートできる速さの上限です（高度で並列性のないコンピューティングモデルを想定しています）。

0（logn）-バイナリ検索、配列内のピーク要素（複数のピークが存在する場合があります）0（1）-リストまたは文字列の長さを計算するPython。len（）関数は0（1）時間かかります。配列の要素へのアクセスには0（1）時間かかります。スタックでのプッシュ操作には0（1）時間かかります。0（nlogn）-マージソート。Pythonでの並べ替えには、nlogn時間かかります。したがって、listname.sort（）を使用すると、nlogn時間がかかります。

注-ハッシュテーブルでの検索は、衝突が原因で、一定以上の時間がかかることがあります。

O（2 ^N）

O（2 ^N）は、入力データセットへの各追加で成長が倍になるアルゴリズムを示します。O（2 ^N）関数の成長曲線は指数関数的です-非常に浅いところから始まり、その後気象的に上昇します。O（2 ^N）関数の例は、フィボナッチ数列の再帰的な計算です。

int Fibonacci (int number)
{
if (number <= 1) return number;
return Fibonacci(number - 2) + Fibonacci(number - 1);
}