A notação Big O é usada na ciência da computação para descrever o desempenho ou complexidade de um algoritmo. Ela mede como um algoritmo responde às mudanças no tamanho da entrada e é frequentemente usada para comparar diferentes algoritmos e escolher o mais eficiente para uma tarefa específica. Essa notação também nos permite medir o quanto um código é escalável.
O desempenho de um algoritmo não é medido por meio do tempo, mas na quantidade de operações que o computador precisa executar para processar esse algoritmo.
| Notação | Definição | Identificação | Avaliação |
|---|---|---|---|
| O(1) | Constante | Não possui loops | Excelente |
| O(log n) | Logarítmica | Algoritmos de busca em inputs ordenados (não vale para hash’s) | Excelente |
| O(n) | Linear | Loops for/while | Razoável |
| O(n log n) | Logaritmo linear | Operações de ordenação | Ruim |
| O(n^2) | Quadrática | Todo elemento de uma coleção precisa ser comparado com outro elemento | Horrível |
| O(2^n) | Exponencial | Algoritmos recursivos que resolvem um problema de tamanho n | Horrível |
| O(n!) | Fatorial | Um loop é adicionado para todo elemento da coleção | Horrível |
| O(a+b) | - | Coleções separadas | - |
| O(a*b) | - | Coleções separadas aninhadas | - |
Essas notações são avaliadas de acordo com o número de operações a medida que a quantidade de elementos aumenta. As notações O(log n), O(n log n), O(2^n) e O(n!) são notações que são mais utilizadas em problemas focados em otimizar o código. Contudo, O(n!) é uma notação que dificilmente vamos nos deparar.
As regras Big O simplificam a análise e comparação de algoritmos. Elas fornecem métodos padrão para determinar a complexidade de um algoritmo com base em sua estrutura e comportamento.
Sempre é levado em consideração o pior caso possível do algoritmo.
Se baseia em remover tudo que é constante e deixar apenas as notações que são conhecidas (ver na tabela). As constantes devem ser removidas pois a medida que o input cresce essas constantes vão ficando insignificantes em relação ao número de operações.
Quando o input possui mais de um dado (ex.: função com mais e um parâmetro). Cada entrada deve ser calculada separadamente. Com isso, o resultado ficará algo como O(a + b)
Significa se preocupar sempre com o com o termo mais importante. Essa importância é medida de acordo com a pior complexidade. Ex.: O(n + n²) = O(n²), pois quando o input for muito grande, O(n) será bem menor do que O(n²).
A notação Big O é uma ferramenta crucial na análise de algoritmos, proporcionando uma maneira sistemática de entender e comparar a eficiência desses algoritmos. Ao medir a escalabilidade de um código, ela oferece insights valiosos sobre como um algoritmo se comporta diante de variações no tamanho da entrada.
As regras do Big O fornecem diretrizes valiosas que simplificam a análise e permitem que os desenvolvedores foquem nos aspectos fundamentais que afetam a eficiência de um algoritmo. Ao seguir essas regras, os programadores podem otimizar seus códigos de maneira mais eficaz, garantindo um bom desempenho mesmo diante de conjuntos de dados significativos.