嘉兴手机网站制作,足球个人网站模板,网站特效 站长,宠物论坛网站策划书#x1f308;write in front#x1f308; #x1f9f8;大家好#xff0c;我是Aileen#x1f9f8;.希望你看完之后#xff0c;能对你有所帮助#xff0c;不足请指正#xff01;共同学习交流. #x1f194;本文由Aileen_0v0#x1f9f8; 原创 CSDN首发#x1f412; 如… write in front 大家好我是Aileen.希望你看完之后能对你有所帮助不足请指正共同学习交流. 本文由Aileen_0v0 原创 CSDN首发 如需转载还请通知⚠️ 个人主页Aileen_0v0—CSDN博客 欢迎各位→点赞 收藏⭐️ 留言 系列专栏Aileen_0v0的数据结构与算法学习系列专栏——CSDN博客 我的格言:没有罗马,那就自己创造罗马~ 目录
1.1数据结构与算法的概念及介绍编辑 1.2时间复杂度(Time complexity)的引入
1.3时间复杂度和大O记法的练习 1.1数据结构与算法的概念及介绍 1.2时间复杂度(Time complexity)的引入 算法1: #如果 abc1000, 且 a^2 b^2 c^2 (a,b,c 为自然数), 如何求出所有a,b,c 可能的组合
import time
start_time time. time()
for a in range (0,1001):for b in range (0,1001):for c in range (0,1001):if abc1000 and a**2b**2c**2:print(a:,a,b:,b,c,c)#获取时间
end_time time. time()
print(所花费的时间:,(end_time - start_time)) 算法2: #如果 abc1000, 且 a^2 b^2 c^2 (a,b,c 为自然数), 如何求出所有a,b,c 可能的组合
import time
start_time time. time()
for a in range (0,1001):for b in range (0,1001):c 1000 - a - bif a**2b**2c**2:print(a:,a,b:,b,c,c)#获取时间
end_time time. time()
print(所花费的时间:,(end_time - start_time)) 通过对比算法1和算法2 可知 单纯依靠运行的时间来比较算法的优劣并不一定是客观准确的!程序的运行离不开计算机环境(包括硬件和操作系统) ~ 这些客观原因会影响程序运行的速度并反应在程序的执行时间上。 那么如何才能客观的评判一个算法的优劣呢? 我们引入 时间复杂度 一个算法花费的时间与算法中语句的执行次数是成正比的。哪个算法语句执行的次数多它花费的时间就多。
如何计算一个程序的执行次数: 注:下面代码示例都是将abc的和记作n,进行执行次数的计算 一段语句我们就粗略记作1次. 对于算法进行特别具体的细致分析虽然很好但是实践中的实际价值有限。
对于算法最重要的是 数量级和趋势~~这些是分析算法主要的部分。
对于算法最重要的是数量级和趋势计量算法基本操作数量的规模函数中常量因子可以忽略不计。 通过比较 x^2 和 2x^2 的函数图像可知: 常量只影响陡峭程度不影响趋势,而算法最重要的是数量级和趋势.
时间复杂度T(n)[Time complexity]:一个程序最终执行的次数来衡量算法的优劣-------eg: T(n)2n^2大o记法O(n)[Big O notation]:为时间复杂度的o渐进法即忽略时间复杂度里面的常数------eg: O(n)n^2
T(n)k*f(n)c---时间复杂度, 主要的影响因素就是n的大小
f(n)n*n
f(n)叫做T(n)的渐进函数
T(n)O(f(n))---时间复杂度的O渐进法(大O技法)
如果时间复杂度T(n)一个常数, 那么其大O记法 O(n)O(1),因为 n 的最高次幂是 0
eg:T(n)100100000,相当于T(n) 100100000*n^0 那么 其O(n)O(1) 1.3时间复杂度和大O记法的练习 Exercise: 1. Please write down the T(n) of the following code
2. Whats the time complexity of it? (Big O notation) 今天的学习笔记就分享到这里啦~
喜欢就一键三连支持一下吧♥~
谢谢家人们!
