时间复杂度

时间复杂度：用来评估算法的运行效率的一个公式。

其中的“1”、“n”是一个单位，表示几次

第一个例子：

 1 print("hello world") ====> O(1)===>(运行一次)
 2 #--------------------------------------------------
 3 for i in range(n):
 4     print("hello world") ====>O(n) ====>(运行n次)
 5 #-------------------------------------------------
 6 for i in range(n):
 7     for j in range(n):
 8         print("hello world") ===>O(n**2) ===>(运行n的平方)
 9 #------------------------------------------------------
10 for i in range(n):
11     for j in range(n):
12         for k in range(n):
13             print("hello world")===>O(n**3) ====(运行n的三次方)

 

     

第二个例子：

1 print("hello world")
2 print("hello python")
3 ======>O(1)
4 for i range(n):
5     print("hello world")
6     for j in range(n):
7         print("hello world")
8 =======>正常算的应该是O((1+n)n)/O(n**2+n),但是在时间复杂度中只是表示大约的存在，所以我们写成O(n**2)

 

第三个例子：

 1 while n > 1:
 2     print(n)
 3     n = n//2
 4 n = 64 输出：64、32、16、8、4、2；
 5 ​
 6 2**6 = 64
 7 log2 64 = 6
 8 #时间复杂度记为：O(log2 n/logn)  
 9 #如果你的代码是循环迭代折半时，肯定用logn
10 该式时间复杂度表示为：O(log2 64)

 

时间复杂度小结：

一般来说，时间复杂度高的算法比复杂度低的算法慢；

常见复杂度（按效率排序）：

O(1)<O(logn)<O(n)<O(nlogn)<O(n的平方) < O(n2 *logn)<O(n的三次方)

技巧：如何简单快速的判断出算法的复杂度(适用于绝大多数的简单情况)

  1. 确定问题规模n

  2. 循环减半的过程--> logn

  3. k层关于n的循环 --->n^k

复杂的情况：根据算法的执行过程判断

posted @ 2019-10-19 22:17  Xbhog  阅读(214)  评论(0)  编辑  收藏  举报