【算法入门-Python】01_复杂度问题

复杂度问题

一、估计算法运行效率与时间的复杂度

时间复杂度：用来评估算法运行效率的一个式子

# O(1)
# eg1:
print('Hello Word')
# eg2:
print('Hello World')
print('Hello Python')
print('Hello Algorithm')

打印几次都是O(1)，1 是一个单位，近似的概念

# O(n)
for i in range(n):
    print('Hello World')

# O(n*n)
# eg1:
for i in range(n):
    for j in range(n):
		print('Hello World')

# eg2:
for i in range(n):
	print('Hello World')
	for j in range(n):
		print('Hello World')

留大的单位（留n方，不留n），一个大概的时间

# O(n*n*n)
for i in range(n):
    for j in range(n):
        for k in range(n):
            print('Hello World')

例题1：

while n > 1:
	print(n)
	n = n // 2

如n=64，输出：64 32 16 8 4 2；2的6次方等于64；

该题的时间复杂度记为：
$$O({\log }_{2}n)或者O(logn)$$

• 小结：

  1. 时间复杂度是用来估计算法运行时间的式子（单位）。

  2. 一般来说（机器差不多 规模差不多），时间复杂度高的算法比复杂度低的算法慢。

  3. 常见的时间复杂度（按效率排序）
     $$O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^{2}logn)<O(n^3)$$

  4. 复杂问题的时间复杂度
     $$O(n!)O(2^n)O(n^n)......$$

二、简单判断时间复杂度

• 如何判断算法复杂度

  • 快速判断算法复杂度（适用于绝大多数简单情况）：

    1. 确定问题规模n；
    2. 循环减半过程—>logn；
    3. k层关于n的循环—>n^k；

  • 复杂情况：根据算法执行过程判断。

三、空间复杂度

• 空间复杂度：用来评估算法内存占用大小的式子

• 空间复杂度的表示方式与时间复杂度完全一样

  • 算法使用了几个变量：O(1)
  • 算法使用了长度为n的一维列表：O(1)
  • 算法使用了m行n列的二维列表：O(mn)

• “空间换时间”