时间复杂度计算

转载：https://www.cnblogs.com/reposkeeper-wx/p/suan-fa-xi-lie-zhi-liu-suan-fa-shi-jian-fu-za-du-j.html

1. 时间复杂度，衡量苏算法计算耗时。
2. 基于算法计算最高项进行预估： 例如， 算法中涉及高阶计算 N^3 , N ^2, N. 则随着数据量集的增加，N ^2, N 的计算时间可忽略 。 因此，最终时间复杂度可以记为T(N)=O(N ^3).
3. 时间复杂度计算举例：
   （1）简单计算

（2）冒泡排序

def bubble_sort(l):
    for i in range(len(l)):
        for j in range(len(l) - i - 1):
            if l[j] > l[j+1]:
                l[j], l[j+1] = l[j+1], l[j]
    return l

L = [2, 15, 5, 9, 7, 6, 4, 12, 5, 4, 2, 64, 5, 6, 4, 2, 3, 54, 45, 4, 44]
l = bubble_sort(L)
print(l)

对于基于比较的排序算法来说，我们在计算复杂度的时候，是计算比较了多少次。

第一次循环，比较了 N次；
第二次循环，比较了 N-1次；
第三次循环，比较了 N-2次；

冒泡排序算是稳定的， 随着数据的增加，复杂度维持在O(N^2)

（3）快速排序

最好情况： 每一次递归都能分成两个子数组.

最坏情况： 每一次递归，划分出两个部分，一个部分中元素个数为0，另一个部分中为n-1。每一层递归都需要将所有元素比较一次，那么整体的比较次数就是n^2 . 时间复杂度是N ^2.