数据结构与算法python第二天

大O表示法

中国大学链接

算法时间度量指标

• 一个算法所实施的操作数量或步骤数可作为独立于集体程序/机器的度量指标
• 赋值语句是一个合适的选择
  · 一条赋值语句同时包含了（表达式）计算和（变量）存储两个基本资源

赋值语句的执行次数

• 分析SumOfN的赋值语句执行次数
  ·对于“问题规模” n
  ·赋值语句数量T(n)=1+n

def sum0fN(n):
1   theSum = 0
n   for i in range(1, n + 1):
    1   theSum = theSum + i
    return theSum

问题规模影响算法执行时间

• 问题规模：影响算法执行时间的主要因素
• 在前n个整数累计求和的算法中，需要累积的整数个数合适作为问题规模的指标
• 算法分析的目标是要找出问题规模会怎么影响一个算法的执行时间

数量级函数Order of Magnitude

• T(n)起决定性因素的主导部分
• 数量级函数描述了T(n)中随着n增加而增加速度最快的主导部分
  ·大O表示法，记作O(f(n)),其中f(n)表示T(n)中得到主导部分

确定运行时间数量级大O的方法

• 例1： T(n)= 1 +n
  · 当n增大时，常数1变得越来越无足轻重了，去掉1，数量级就是o(n)
• 例2： T(n)= 5n2+27n+1005
  · 当n越来越大时，数量级就是O(n2)

影响算法运行时间的其他因素

• 问题规模
• 某些具体数据

常见的大O数量级函数

f(n)	名称
1	常数
log(n)	对数
n	线性
n*log(n)	对数线性
n**2	平方
n**3	立方
2**n	指数

从代码分析确定执行时间数量级函数

• 代码赋值语句可以分为4个部分
  · T(n) = 3+3n2+2n+1 = 3n2+4

a = 5                       
b = 6
c = 10                  # 3
--------------------------
for i in range(n): 
    for j in range(n):  # n**2
        x = i * i
        y = j * j
        z = i * j      #运行三次，即3n**2
--------------------------
for k in range(n):    # n
    w = a * k +45
    v = b * b         # 运行两次， 即2n
-----------------------------
d = 33                      # 1