Python算法教程：渐近记法

将焦点集中在解决问题方法中那些能独立于具体实现的属性，希望能排除那些细节干扰，区分出核心问题所在。

渐近记法核心思想是想提供一种资源表示形式，主要用于分析某项功能在应对一定规模参数输入时所需要的资源（通常指的是时间，但有时候也包括内存）。

渐近记法使用的是一组由希腊字母构成的记号体系。这之中最重要的记号分别是O(omicron)、Ω(omega)、θ(theta)。其中，O记号的定义可以被当作其他两个符号的基础。

表达式O(g)代表的是一组与某个函数g(n)有关的函数集合。若要让某函数f(n)属于该集合，该函数须满足以下关系：

存在自然数n0和正数c，对于所有的n>=n0都有： f(n) <= c*g(n)

而另外两种记法Ω与θ则可以被视为O记法的变体。其中，Ω的定义正好与之相反。也就是说，若要让函数f(n)属于Ω(g)，该函数须满足以下关系：

存在自然数n0和正数c，对于所有的n>=n0都有： f(n) >= c*g(n)

因此，O记法所代表的其实是所谓的渐近上界，而Ω记法所代表的则是渐近下界。

而θ记法所代表的集合正好是前面两种记号的交集，即θ(g) = O(g) ∩ Ω(g)。换句话说，若要让某个函数属于θ(g)，该函数须满足以下关系：

存在自然数n0和正数c，对于所有的n>=n0都有： c1*g(n) <= f(n) <= c2*g(n)

渐近运行时间

几种常见的渐近运行时间实例

时间复杂度	相关名称	相关示例及说明
θ(1)	常数级	哈希表的查询与修改
θ(lg n)	对数级	二分搜索
θ(n)	线性级	列表的遍历
θ(n lg n)	线性对数级	任意值序列的最优化排序，其复杂度等同θ(lg n!)
θ(n²)	平方级	拿n个对象进行相互比对
θ(n³)	立方级	Floyd-Warshall算法
O(n^k)	多项式级	基于n的k层嵌套循环，且必须满足常数k>0
Ω(k^n)	指数级	每n项产生一个子集(其中k=2)，且必须满足k>1
θ(n!)	阶乘级	对n个值执行全排列操作

（最近更新：2019年05月22日）