笔记-数据结构与算法-大O表示法

• 视频链接：https://www.bilibili.com/video/BV1VC4y1x7uv
• 章节：P9

算法时间度量指标-大O表示法

一个算法所实施的操作数量或步骤数可作为独立于具体程序/机器的度量指标。

• 赋值语句

  赋值语句可以作为一种通用的基本操作来作为运行步骤的计量单位，一条赋值语句同时包含了(表达式)计算和(变量) 存储两个基本资源。

def sumOfN(n):
    theSum = 0
    for i in range(1, n + 1):
        theSum = theSum + i
        return theSum

分析SumOfN的赋值语句执行次数，对于“问题规模”n，赋值语句数量T(n)=1+n。

• 问题规模

  问题规模：影响算法执行时间的主要因素。

  在前n个整数累计求和的算法中，需要累计的整数个数合适作为问题规模的指标

  前100,000个整数求和对比前1,000个整数求和，算是同一问题的更大规模

  算法分析的目标：是要找出问题规模会怎么影响一个算法的执行时间。

• 数量函数Order of Magnitude

  基本操作数量函数T(n)的精确值不是特别重要，重要的是T(n)中起决定性因素的主导部分。

  就是当问题规模増大的时候, T(n)中的一些部分会覆盖其它部分的贡献

  数量级函数描述了T(n)中随着n増加而増加速度最快的主部分，称作“大O”表示法，记作O(f(n))，其中f(n)表示T(n)中的主导部分。

• 确定运行时间数量级大O的方法

  • 例1：T(n)=1+n
    当n增大时，常数1在最终结果中显得越来越无足轻重，所以可以去掉1，保留n作为主要部分，运行时间数量级就是O(n)。
  • 例2：T(n)=5n^2+27n+1005
    当n越来越大，n就越来越重要，其它两項结果的影响越来越小，n^2中的系数5，对于n的増长速度来也影响不大。所以可以在数量級中去掉27n+1005，以及系数5的部分，确定为O(n^2)。

• 影响算法运行时间的其它因素

  有时决定运行时间的不仅是问题规模，某些具体数据也会影响算法运行时间，分为最好、最差和平均情况，

  平均状况体现了算法的主流性能，对算法的分析要看主流，而不被某几种特定的运行状况所迷惑。

• 常见的大O数量级

  

• 从代码分析确定执行时间数量级函数

  代码语句可以分为4个部分：T(n) = 3+3n^2+2n+1 = 3n^2+2n+4

  def func(n):
      # 3次赋值
      a = 5
      b = 6
      c = 10
      # 3 * n^2
      for i in range(n):
          for j in range(n):
              x = i * i
              y = j * j
              z = 1 * j
      # 2 * n
      for k in range(n):
          w = a * k + 45
          v = b * b
      # 1
      d = 33
  

  仅保留最高阶项n^2，去掉所有系数，数量级为O(n^2)。

• 其他算法复杂度表示法