原文：
下面給出在不同資料範圍下，**的時間複雜度和演算法該如何選擇：
n≤30 指數級別, dfs+剪枝，狀態壓縮dp
n≤100 => o(n
3)
o(n^3)
o(n3
)，floyd，dp
n≤1000 => o(n
2)，o
(n2l
ogn)
,o(n^2)，o(n^2logn),
o(n2)，
o(n2
logn
),dp，二分
n≤10000 => o(n
∗n
)o(n* \sqrt )
o(n∗n
)，塊狀鍊錶
n≤100000 => o(n
logn
)o(nlogn)
o(nlog
n)=> 各種sort，線段樹、樹狀陣列、set/map、heap、dijkstra+heap、spfa、求凸包、求半平面交、二分
n≤1000000 => o(n
)o(n)
o(n)
, 以及常數較小的 o(nlogn) 演算法 => hash、雙指標掃瞄、kmp、ac自動機，常數比較小的 o(nlogn) 的做法：sort、樹狀陣列、heap、dijkstra、spfa
n≤10000000 => o(n
)o(n)
o(n)
，雙指標掃瞄、kmp、ac自動機、線性篩素數
n≤10^9 => o(n
)o(\sqrt)
o(n
)，判斷質數
n≤10^18 => o(l
ogn)
o(logn)
o(logn
)，最大公約數
演算法複雜度 時間複雜度和空間複雜度
1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數...
演算法複雜度 時間複雜度和空間複雜度
演算法複雜度 時間複雜度和空間複雜度 關鍵字 演算法複雜度 時間複雜度 空間複雜度 1 時間複雜度 1 時間頻度 乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時 間多，哪個演算法花費的時間少就可以...
演算法複雜度 時間複雜度和空間複雜度
演算法的時間複雜度是指執行演算法所需要的計算工作量。n稱為問題的規模，當n不斷變化時，時間頻度t n 也會不斷變化。但有時我們想知道它變化時呈現什麼規律。為此，我們引入時間複雜度概念。一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t n 表示，若有某個輔助函式f n 存在乙個正...