O:最坏运行时间 Ω:最好运行时间
1.运行次数与N无关,时间复杂度即为O(1)
def algorithm(N):
count = 0
a = 10000
for i in range(a):
count += 1
return count
2.循环运行次数与N呈线性关系,时间复杂度即为O(N)
def algorithm(N):
count = 0
a = 10000
for i in range(N):
for j in range(a):
count += 1
return count
3.两层循环相互独立,都与 N 呈线性关系,时间复杂度即为O(N²)
def algorithm(N):
count = 0
for i in range(N):
for j in range(N):
count += 1
return count
对于下面的函数,时间复杂度也为O(N²)
def bubble_sort(nums):
N = len(nums)
for i in range(N - 1):
for j in range(N - 1 - i):
if nums[j] > nums[j + 1]:
nums[j], nums[j + 1] = nums[j + 1], nums[j]
return nums
i=0时,里层循环n次
i=1时,里层循环n-1次
i=2时,里层循环n-2次
i=N-2时,里层循环1次
以此类推,那么循环次数就=n+(n-1)+(n-2)···+2+1=1/2*n²+1/2 n,复杂度也为O(N²)
4.分裂一轮后为 2 个,分裂两轮后为 4 个…… 以指数阶形式增长,时间复杂度为O(2的N次方)
def algorithm(N):
if N <= 0: return 1
count_1 = algorithm(N - 1)
count_2 = algorithm(N - 1)
return count_1 + count_2
5.“全排列”,阶乘形式增长,时间复杂度为O(N!)
def algorithm(N):
if N <= 0: return 1
count = 0
for _ in range(N):
count += algorithm(N - 1)
return count
N=0的时候 T=1
N=1 的时候T=1
N=2的时候 T=2*1(在range(2)里面,有0和1两个数,而0和1的T都=1)
N=3的时候,T=3*2*1(在range(3)里面,有0,1,2三个数,其中2的T是2*1,1和0的T是1)
6.每轮按比例排除掉一部分情况,时间复杂度为O(logN),常见的是每轮排除一半的情况,比如二分法
def algorithm(N):
count = 0
i = N
while i > 1:
i = i / 2
count += 1
return count
N=8的时候,count的执行次数T(N)=3
N=16的时候,count的执行次数T(N)=4
也就是说2的T(N)次方=N
那么T(N)=logN
也就是说循环多少次,i才等于n
7.两层循环相互独立,第一层和第二层时间复杂度分别为 O(logN) 和 O(N) ,则总体时间复杂度为 O(NlogN)
def algorithm(N):
count = 0
i = N
while i > 1:
i = i / 2
for j in range(N):
count += 1
题目1:
用两个栈实现一个队列。队列的声明如下,请实现它的两个函数 appendTail 和 deleteHead ,分别完成在队列尾部插入整数和在队列头部删除整数的功能。(若队列中没有元素,deleteHead 操作返回 -1 )
appendtail很容易实现,用append就可以。
但是deletehead不容易,因为pop()删除的是队列尾部的元素。所以考虑用第二个栈来存倒序之后的A,即 B.append(A.pop()),执行限制是while A。(一直到A没有元素为止)
每一次appendTail,都直接A.append就可以了。
每一次deleteHead,有三种情况:
①B中含有已经倒序好了的A,那么就return B.pop()
②A里面有元素,但是B是空的,那么就B.append(A.pop()),然后return B.pop()
③A,B都是空的,那么就return -1
代码如下:
class CQueue:
def __init__(self):
self.A,self.B = [],[]
def appendTail(self, value: int) -> None:
self.A.append(value)
def deleteHead(self) -> int:
if self.B:
return self.B.pop()
elif not self.A:
return -1
else:
while self.A:
self.B.append(self.A.pop())
return self.B.pop()
题目2:
定义栈的数据结构,请在该类型中实现一个能够得到栈的最小元素的 min 函数在该栈中,调用 min、push 及 pop 的时间复杂度都是 O(1)。
示例:
MinStack minStack = new MinStack();
minStack.push(-2);
minStack.push(0);
minStack.push(-3);
minStack.min(); --> 返回 -3.
minStack.pop();
minStack.top(); --> 返回 0.
minStack.min(); --> 返回 -2.
push,pop,top的执行时间复杂度本来就是O(1),所以本题考察的是用O(1)来实现对一个栈的寻找最小值的操作。联系上一道题,想到用另一个栈B来储存原来的栈A的最小值(以非升序的形式),这样min()的时候返回B.pop()就可以了。
具体过程:
1、A.push(x):
①直接执行A.append
②如果B是空的,或者x <= B列表的最后一个数,则B也执行B.append
必须是 <= 而不是 < ,因为假如A有两个相等的最小值,在A执行一次pop以后,再执行min,返回的还是这个最小值。所以B也要对应的有两个这个相等的最小值。
2、A.pop():
①执行A.pop()
②B要保持跟A的同步,如果A把最小的值pop出去了,那么B也要pop,如果A执行的pop不是最小值,那么不用管它(它根本没在B里面)
3、A.top()
返回A最后一个值即可
4、A.min()
返回B最后一个值即可
代码如下:
class MinStack:
def __init__(self):
"""
initialize your data structure here.
"""
self.A = []
self.B = []
def push(self, x: int) -> None:
self.A.append(x)
if not self.B or x <= self.B[-1]:
self.B.append(x)
def pop(self) -> None:
if self.A.pop() == self.B[-1]:
self.B.pop()
def top(self) -> int:
return self.A[-1]
def min(self) -> int:
return self.B[-1]