算法入门概念——时间复杂度、空间复杂度、递归

算法

算法：一个计算过程，解决问题的方法
程序=数据结构加算法

---

时间复杂度

评估算法运行效率

O(1)

print('Hello World')

print('Hello World')
print('Hello Python')
print('Hello Algorithm')

O(n)

for i in range(n):
	prnt('Hello World')

for i in range(n):
	print('Hello World')
	for j in range(n):
		print('Hello World')

O($n^2$)

for i in range(n):
	for j in range(n):
		prnt('Hello World')

O($n^3$)

for i in range(n):
	for j in range(n):
		for k in range(n):
			prnt('Hello World')

$1$,$n$,$n^2$,$n^3$···都是单位，不能进行相加等运算

O($\log n$)或O(${\log }_{2}n$)

while n>1:
	print(n)
	n=n//2

如果n=64，输出为：

64
32
16
8
4
2

6个数$$2^6=64，lo{g}_{2}64=6$$
所以时间复杂度为O($\log n$)或O(${\log }_{2}n$)——当算法出现循环折半时$logn$

小结

• 时间复杂度是用来估计算法运行时间的式子（单位）
• 常见时间复杂度
  • O(1)<O($\log n$)<O($n$)<O($n\log n$)<O($n^2$)<O($n^2\log n$)<O($n^3$)
• 复杂问题的时间复杂度——不常见
  • O($n!$) O($2^n$) O($n^n$)···

空间复杂度

• 用来评估算法内存占用大小的式子
• 表示与时间复杂度相同
  • 算法使用了几个变量 O(1)
  • 算法使用了长度为n的一维列表 O($n$)
  • 算法使用了m行n列的二维列表 O($mn$)
• ”空间换时间“
  $\because$ 时间比空间重要

---

递归

特点

• 调用自身
• 结束条件

def func(x):
	if x>0:
		print(x)
		func3(x-1)

汉诺塔问题

1. 将n个盘子分为上面（n-1）个和最下面一个
2. 将（n-1）个盘子从A经过C移动到B
3. 将第n个盘子移动到C
4. 将（n-1）个盘子从B经过A移动到C

代码

def hanoi(n,a,b,c):                  # 将n个盘子从a经过b移动到c
	if n>0:                          # 结束条件
		hanoi(n-1,a,c,b)             # 将（n-1）个盘子从a经过c移动到b
		print("moving from %s to %s"%(a,c))
		hanoi(n-1,b,a,c)

$\therefore h(x)=2h(x-1)+1$