大O

首先大O只是对算法复杂度的大概判断，从而对算法的优劣产生一个意识上的判断，并没有对算法实现的内容指导。

• 　　大O按由易到难可分为O(1）、O（log_an）、O（n）、O（n^a）、aO (n!)，下面简单依个描述下：
  • 　　O（1）：算法的实现和分析元素无关，只要是解决需求就可以。
  • 除了O（1）的级别，其余的都是与分析元素的个数有关，只是与个数的增长相比，实现的算法复杂度更多还是基本持平或更少的问题。
  • 　　O（log_an）：算法的实现和分析元素个数成对数级增长，这种级别的实现是很优秀的，当然是在可以实现的情况下。
  •  　　O（n）：算法的实现和要分析的元素个数成正比，元素越多复杂度也会呈正比级别增长。在可以实现的情况下，这种级别实现的算法也是很优秀的。
    
  • 　　O（aⁿ）（a=2、3、4······ ）: 算法的实现和要分析的元素个数成幂数级增长，这种级别的实现是算不上优秀的，因为每增加一个元素，算法的实现复杂度就多了n^a次，特别是当元素个数已经比较大时，这种级别的算法是会让人想揪掉头发的。
  • 　　O（n!）: 这种级别的算法建议直接放弃，大部分都是拿来说着玩的，不会真正用在实际应用上，因为这种的实现是随个数的增长呈阶乘级别的增长，这种的增长是相当相当恐怖的，基本上分析元素的个数还不是很大时，算法的复杂度都已经是天文数字了。