# abc为自然数,相加为1000,满足勾股定理,求abc的值
start_time = time.time()
for a in range(0, 1001):
for b in range(0, 1001):
for c in range(0, 1001):
if a+b+c==1000 and a**+b**==c**:
print("a, b, c:%d, %d, %d" %(a, b, c))
end_time = time.time()
print(end_time - start_time)
print("finished")
# 上面的方式很慢,时间复杂度为:1000*1000*1000*2,可以用方程 T(n) = n^3 * 2表示,G(n) = n^3是T(n)的渐进函数,也是大O表示法
start_time = time.time()
for a in range(0, 1001):
for b in range(0, 1001):
c = 1000 - a - b
if a**+b**==c**:
print("a, b, c:%d, %d, %d" %(a, b, c))
end_time = time.time()
print(end_time - start_time)
print("finished")
# 不判断c,时间复杂度为:1000*1000*2,G(n) = n^2
时间复杂度和“大O表示法”:
大O表示法:把相关系数忽略,只留下最特征的部分,G(n) = n^3 是T(n)的渐进函数,也是大O表示法
时间复杂度:基本运算数量总和,跟算法解决问题的规模有关系。最少需要多少步骤为最优时间复杂度,最多需要多少步骤为最坏时间复杂度,平均需要多少步骤为平均时间复杂度
时间复杂度计算:
对于基本操作,只有常数项,时间复杂度为O(1)
顺序结构,时间复杂度按加法计算
条件(分支)结构,时间复杂度取最大值
循环结构,时间复杂度按乘法计算
没有特别说明时,我们分析的算法时间复杂度都是最坏时间复杂度
timeit模块可以测试python代码的运行速度
抽象数据类型(Abstract Data Type):指一个数学模型上的一组操作,即把数据类型和数据类型上的运算捆绑在一起,进行封装。引入抽象数据类型的目的是把数据类型上的运算的实现与这些数据类型和运算在程序中的引用隔开,使他们相互独立