数据结构与算法：python语言描述学习（三）

1. 算法复杂度
   采用大O记法来严格定义。对于单调函数f，如果存在一个指数函数g和常数C>0,存在任意大的数n总有f(n)<=cg(n).f是g的一个近似函数，f(n)=O（g(n)）。
   加入存在函数g使得算法A处理规模为n的问题实例所需要的时间T（n）=O(g(n)),则Og(n)成为算法A的渐进时间复杂度，简称时间复杂度。算法A的空间复杂度S（n）的定义类似。
   几个常见的复杂度：常数复杂度O（1）；
   线性复杂度O（n）
   对数复杂度O（log（n））
   指数复杂度 O（2^n）
   平方复杂度O（n^2）

当n=10,20,30,40,50时取值情况，见表所示。

2. 算法复杂度的意义

算法复杂度决定了算法的可用性，如果算法复杂度低，表明算法可以用来解决很大的实例，反之，如果算法复杂度高则表明算法只能用来解决很小的实例。
算法复杂度表明了在n趋于无穷大的时候，算法代价增长的速度。

3. 算法分析
   算法分析的目的就是为了推导出算法的时间复杂度。
   基本循环程序的时间复杂度的计算：
   加法规则：算法是两个或者多个部分的顺序之和，则复杂度也是其复杂度之和。
   乘法规则：如果算法是一个循环，循环体执行
   T1（n）次，每次需要T2（n）时间，则算法时间复杂度为：T（n）=O(T1(n)T2(n))
   取最大规则（ 分支规则）：如果算法是两个分支，分支的时间复杂度分别为：T1（n）,T2(n),则算法T（n）的时间复杂度为：T(n)=O(max(T1(n),T2(n)))

4. 计算时间复杂度例子。

for i in range(n):
	for j in range(n):
		x=0.0
		for k in range(n):
			x=x+m1[i][k]*m2[k]{j}
		m[i][j]=x``
计算时间复杂度：程序片段是两重循环，循环体是一个顺序语句，其中还有一个内嵌的循环，可以做出下面的推导。`