目录
一、算法的概念
- 算法是计算机处理信息的本质。
- 对于算法而言,实现的语言并不重要,重要的是思想。
1.1 算法是计算机处理信息的本质
- 输入: 算法具有0个或多个输入
- 输出: 算法至少有1个或多个输出
- 有穷性: 算法在有限的步骤之后会自动结束而不会无限循环,并且每一个步骤可以在可接受的时间内完成
- 确定性:算法中的每一步都有确定的含义,不会出现二义性
- 可行性:算法的每一步都是可行的,也就是说每一步都能够执行有限的次数完成
二、时间复杂度T(n)
- 时间复杂度概念:假定计算机执行算法每一个基本操作的时间是固定的一个时间单位,那么有多少个基本操作就代表会花费多少时间单位。
- 分类:
- 最优时间复杂度:算法完成工作最少需要多少基本操作;
- 最坏时间复杂度:算法完成工作最多需要多少基本操作;
- 平均时间复杂度:算法完成工作平均需要多少基本操作。
时间复杂度通常指的是最坏时间复杂度。
2.1 程序执行的基本操作与时间复杂度
- 顺序操作:顺序操作的时间复杂度是把时间单位相加。
- 分支(判断)操作:时间复杂度是取时间单位最大值。
- 循环操作:时间复杂度是按时间单位相乘。
2.3 大O记法
- 时间复杂度去掉系数、常数项。如:2→O(2),2n²→O(n²),2n+3→O(n)
2.4 常见时间复杂度
经常将log2n(以2为底的对数)简写成logn。
- 时间复杂度耗时关系:O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n^3) < O(2 ^n) < O(n!) < O(n ^ n)
2.5 时间复杂度的几条基本计算规则(重点)
- 基本操作,即只有常数项,认为其时间复杂度为O(1)
- 顺序结构,时间复杂度按加法进行计算
- 循环结构,时间复杂度按乘法进行计算
- 分支结构,时间复杂度取最大值
- 判断一个算法的效率时,往往只需要关注操作数量的最高次项,其它次要项和常数项可以忽略
- 在没有特殊说明时,我们所分析的算法的时间复杂度都是指最坏时间复杂度
2.6 python内置类型时间复杂度:
-
list常用:indexx[ ]、append、pop( )、pop(i)、insert(i, item)
-
list时间复杂度:
-
dict时间复杂度