欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python算法中的時間復(fù)雜度問題

 更新時間:2019年11月19日 09:24:14   作者:軟件測試開發(fā)技術(shù)棧  
時間復(fù)雜度用于度量算法的計(jì)算工作量,空間復(fù)雜度用于度量算法占用的內(nèi)存空間。這篇文章主要介紹了Python算法中的時間復(fù)雜度,需要的朋友可以參考下

在實(shí)現(xiàn)算法的時候,通常會從兩方面考慮算法的復(fù)雜度,即時間復(fù)雜度和空間復(fù)雜度。顧名思義,時間復(fù)雜度用于度量算法的計(jì)算工作量,空間復(fù)雜度用于度量算法占用的內(nèi)存空間。

本文將從時間復(fù)雜度的概念出發(fā),結(jié)合實(shí)際代碼示例分析算法的時間復(fù)雜度。

漸進(jìn)時間復(fù)雜度

時間復(fù)雜度是算法運(yùn)算所消耗的時間,因?yàn)椴煌笮〉妮斎霐?shù)據(jù),算法處理所要消耗的時間是不同的,因此評估一個算運(yùn)行時間是比較困難的,所以通常關(guān)注的是時間頻度,即算法運(yùn)行計(jì)算操作的次數(shù),記為T(n),其中n稱為問題的規(guī)模。

同樣,因?yàn)閚是一個變量,n發(fā)生變化時,時間頻度T(n) 也在發(fā)生變化,我們稱時間復(fù)雜度的極限情形稱為算法的漸近時間復(fù)雜度,記為O(n),不包含函數(shù)的低階和首項(xiàng)系數(shù)。

我們以如下 例子來解釋一下:

如上例子中,我們根據(jù)代碼上執(zhí)行的平均時間假設(shè),計(jì)算 run_time(n) 函數(shù)的時間復(fù)雜度,如下:

上述時間復(fù)雜度計(jì)算公式T(n) ,是我們對函數(shù) run_time(n) 進(jìn)行的時間復(fù)雜度的估算。當(dāng)n 值非常大的時候,T(n)函數(shù)中常數(shù)項(xiàng) time0 以及n的系數(shù) (time1+time2+time3+time4) 對n的影響也可以忽略不計(jì)了,因此這里函數(shù)run_time(n) 的時間復(fù)雜度我們可以表示為 O(n)。

因?yàn)槲覀冇?jì)算的是極限狀態(tài)下(如,n非常大)的時間復(fù)雜度,因此其中存在以下兩種特性:

低階項(xiàng)相對于高階項(xiàng)產(chǎn)生的影響很小,可以忽略不計(jì)。 最高項(xiàng)系數(shù)對最高項(xiàng)的影響也很小,可以忽略不計(jì)。

根據(jù)上述兩種特性,時間復(fù)雜度的計(jì)算方法:

1.只取最高階項(xiàng),去掉低階項(xiàng)。

2.去掉最高項(xiàng)的系數(shù)。

3.針對常數(shù)階,取時間復(fù)雜度為O(1)。

我們通過下面例子理解一下常見的時間復(fù)雜度,如下:

時間復(fù)雜度:常數(shù)階 O(1)

時間復(fù)雜度:線性階 O(n)

時間復(fù)雜度:線性階 O(n)

時間復(fù)雜度:平方階 O(n^2)

時間復(fù)雜度:平方階 O(n^2)

時間復(fù)雜度:平方階 O(n^2)

時間復(fù)雜度:立方階 O(n^3)

時間復(fù)雜度:對數(shù)階 O(logn)

隨著問題規(guī)模n的不斷增大,上述時間復(fù)雜度不斷增大,算法的執(zhí)行效率越低,時間復(fù)雜度排序如下:

練習(xí)一下

如下count_sort 函數(shù)實(shí)現(xiàn)了計(jì)數(shù)排序,列表中的數(shù)范圍都在0到100之間,列表長度大約為100萬。

如上count_sort 函數(shù)的 空間復(fù)雜度為 O(n),公式如下:

總結(jié)

以上所述是小編給大家介紹的Python算法中的時間復(fù)雜度問題,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!
如果你覺得本文對你有幫助,歡迎轉(zhuǎn)載,煩請注明出處,謝謝!

相關(guān)文章

最新評論