python算法复杂度主要包括_计算机科学和Python编程导论 9/10章 算法复杂度&内存和查找...

1.基础概念

1)算法复杂度

一个算法的时间复杂度，指算法运行的时间。

渐进表达式

转至 https://blog.csdn.net/corivsky/article/details/2772004

一。大O记号

假设f(n)和g(n)的定义域是非负整数，存在两个正整数c和n0，使得n>n0的时候，f(n)≤c*g(n),则f(n)=O(g(n))。可见O(g(n))可以表示算法运行时间的上界。O(g(n))表示的函数集合的函数是阶数不超过g(n)的函数。

例如：f(n)=2*n+2=O(n)

证明：当n>3的时候，2*n +2<3n，所以可选n0=3,c=3，则n>n0的时候，f(n)

现在再证明f(n)=2*n+2=O(n^2)

证明：当n>2的时候，2*n+2<2*n^2，所以可选n0=2,c=2,则n>n0的时候，f(n)

同理可证f(n)=O(n^a)，a>1

二。Ω记号

Ω记号与大O记号相反，他可以表示算法运行时间的下界。Ω(g(n))表示的函数集合的函数是所有阶数超过g(n)的函数。

例如：f(n)=2*n^2+3*n+2=Ω(n^2)

证明：当n>4的时候，2*n^2+3*n+2>n^2，所以可选n0=4,c=1,则n>n0的时候，f(n)>c*(n^2)，所以f(n)=Ω(n^2)。

同理可证f(n)=Ω(n),f(n)=Ω(1)

三。Θ记号

Θ记号介于大O记号和Ω记号之间。他表示，存在正常数c1,c2,n0，当n>n0的时候，c1*g(n)≤f(n)≤c2*g(n)，则f(n)=Θ(g(n))。他表示所有阶数与g(n)相同的函数集合。

四。小o记号

f(n)=o(g(n))当且仅当f(n)=O(g(n))且f(n)≠Ω(g(n))。也就是说小o记号可以表示时间复杂度的上界，但是一定不等于下界。

2)重要的复杂度

O(1)表示常数运行时间

O(logn)表示对数运行时间

O(n)表示线性运行时间

O(nlogn)表示对数线性运行时间

O(n**k)表示多项式运行时间，注意k是常数

O(c**n)表示指数运行时间，这时常数C为底数，复杂度为c的n次方

3)排序算法

排序算法大体可分为两种：一种是比较排序，时间复杂度O(nlogn) ~ O(n^2)，主要有：冒泡排序，选择排序，插入排序，归并排序，堆排序，快速排序等。另一种是非比较排序，时间复杂度可以达到O(n)，主要有：计数排序，基数排序，桶排序等。

下面是一个总的表格，大致总结了我们常见的所有的排序算法的特点。

4散列表

散列表(Hash table，也叫哈希表)，是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。(来源于百度百科)

给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash)表，函数f(key)为哈希(Hash) 函数。

2.错题收集：