时间复杂度

时间复杂度

  时间复杂度(也叫大O记法),众所周知,python这门语言现在之所以这么火热,就是因为人工智能的大趋势。在这个趋势下,适合进行大量计算的python就有非常大的优势。最近谷歌的AlphaZero已经初步具备了主观能动性,也就是说已经有一定的自主学习能力,看来科幻电影里面的情节,是有希望实现的。AlphaZero的底层语言开发使用的是go和python。go在其中担当处理高并发的环节,而python则在于算法。

  我们如果想要在开发的路上走得很远,那么算法将是伴随我们终身的,所以说算法一定要6。而时间复杂度,则影响一个算法的优劣(实现算法程序的执行时间可以反映出算法的效率)

  定义:如果一个问题的规模是n,解这一问题的某一算法所需要的时间为T(n),它是n的某一函数 T(n)称为这一算法的时间复杂性。当输入量n逐渐加大时,时间复杂性的极限情形称为算法的渐近时间复杂性

12  O1) 常数阶

2n+3 On) 线性阶

另外还有平方阶 对数阶   nlogn阶 , 立方阶 ,指数阶等

  那我们今天借用一下python中的列表来进行一个小测试:

from timeit import Timer
def t1():
l = [] ;
for i in range( 1000):
l = l+[i] ;
def t2():
l = [] ;
for i in range( 1000):
l.append(i) ;
def t3():
l = [i for i in range( 1000)]
def t4():
l = list( range( 1000))
timer1 =Timer( 't1()' , 'from __main__ import t1'); #前者类方法,后者类方法所指的文件名
print( 'conact' , timer1.timeit( number = 1000) , 'seconds')
timer2 = Timer( 't2()' , 'from __main__ import t2')
print( 'append' , timer2.timeit( number = 1000) , 'seconds')
timer3 = Timer( 't3()' , 'from __main__ import t3')
print( 'comprehension' , timer3.timeit( number = 1000) , 'seconds')
timer4 = Timer( 't4()' , 'from __main__ import t4')
print( 'list range' , timer4.timeit( number = 1000) , 'seconds')



  从上看来,我们让python利用4中不同的方法去进行创建一个[0,999]的列表;显而易见,出去硬件方面的因素,不同的算法是有不同的处理时间的。一个算法的优劣,可以完全影响到一个项目的上限。
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值