0-1、《数据结构与算法-python》第一章

前几章非算法部分,仅摘录重点内容。

1、算法的基本概念

在这里插入图片描述
在这里插入图片描述

2、算法的基本设计模式

在这里插入图片描述

3、大O记法

在这里插入图片描述
常用的渐进复杂度:
O ( 1 ) , O ( l o g n ) , O ( n ) , O ( n l o n g n ) , O ( n 2 ) , O ( n 3 ) , O ( 2 n ) O(1),O(log n),O(n),O(n long n),O(n^2),O(n^3),O(2^n) O(1),O(logn),O(n),O(nlongn),O(n2),O(n3),O(2n)
在这里插入图片描述

4、复杂度分析

4.1、基本循环

最基本的循环程序:顺序组合、条件分支、循环结构
0 基本操作, O ( 1 ) O(1) O(1)
1 加法规则(顺序复合): 多部分复合,则复杂度为每部分之和,由于忽略常量,则是各部分的最大值
2 乘法规则(循环结构):循环体相乘
3 取最大规则(分支结构):取最大的分支

4.2、递归的复杂度

def recur(n):
	if n == 0:
		return g(...)
	somework
	for i in range(n):
		x = recur(n/b)
		somework
	somework

复杂度公式:
T ( n ) = O ( n 2 ) + a T ( n / b ) T(n)=O(n^2)+a T(n/b) T(n)=O(n2)+aT(n/b)
0 a > b k a>b^k a>bk, T ( n ) = O ( n l o g b a ) T(n)=O(n^{log_b^a}) T(n)=O(nlogba)
1 a = b k a=b^k a=bk, T ( n ) = O ( n k l o g n ) T(n)=O(n^klog n) T(n)=O(nklogn)
2 a < b k a<b^k a<bk, T ( n ) = O ( n k ) T(n)=O(n^k) T(n)=O(nk)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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