Big O复杂度函数是用来衡量算法复杂度的一种方法。它描述了算法的时间复杂度和空间复杂度的上界,即算法的最坏情况下的运行时间和空间使用情况。例如,如果一个算法的时间复杂度为O(n),表示算法最坏情况下的运行时间与问题规模n成正比。下面是计算阶乘的代码示例,时间复杂度为O(n):
def factorial(n):
result = 1
for i in range(1, n+1):
result *= i
return result
这个算法的时间复杂度为O(n),因为它在循环中执行n次乘法操作。可以看到,无论n取何值,算法的时间复杂度都是线性增长的。因此,我们可以用它来计算比较大的n的阶乘,但对于非常大的n,它的运行时间也会变得非常慢。