这篇介绍了算法复杂度中最常用的渐进表示法,加之个人的一些简单理解~
#9.2.asymptotic expression(渐进表示法)
def f(x):
"""假定x是正整数"""
ans = 0
for i in range(1000):#需要1000时间的循环
ans += 1
print('Number of additions so far', ans)
for i in range(x):#需要x时间的循环
ans += 1
print('Number of additions so far', ans)
for i in range(x):#需要2x^2时间的嵌套循环
for j in range(x):
ans += 1
ans += 1
print('Number of additions so far', ans)
return ans
#调用f(10)时,上述算法运行时间为1000+x+2x^2
#当x值比较小时,如10,常数项影响更大;
#但是当x值偏大后,如从10到1000到1000000,三者的差距越来越大
#而在2x^2中,2的存在让运行时间几乎提升一倍
#因此描述算法的渐进复杂度:
#运行时间为乘法项之和时,保留增长最快的,去掉其他的,如去1000和x
#剩下项为乘法时,去掉常数,如2x^2去掉第一个2
#因此用O(x^2)表示函数f的增长速度不会超过x^2