01-时间复杂度
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43908900/article/details/102537343
时间复杂度：用来评估算法的运行效率的一个公式。
其中的“1”、“n”是一个单位，表示几次
第一个例子：
print("hello world") ====> O(1)===>(运行一次)
#--------------------------------------------------
for i in range(n):
print("hello world") ====>O(n) ====>(运行n次)
#-------------------------------------------------
for i in range(n):
for j in range(n):
print("hello world") ===>O(n**2) ===>(运行n的平方)
#------------------------------------------------------
for i in range(n):
for j in range(n):
for k in range(n):
print("hello world")===>O(n**3) ====(运行n的三次方) 第二个例子：
print("hello world")
print("hello python")
======>O(1)
for i range(n):
print("hello world")
for j in range(n):
print("hello world")
=======>正常算的应该是O((1+n)n)/O(n**2+n),但是在时间复杂度中只是表示大约的存在，所以我们写成O(n**2)第三个例子：
while n > 1:
print(n)
n = n//2
n = 64 输出：64、32、16、8、4、2；
2**6 = 64
log2 64 = 6
#时间复杂度记为：O(log2 n/logn)
#如果你的代码是循环迭代折半时，肯定用logn
该式时间复杂度表示为：O(log2 64)时间复杂度小结：
一般来说，时间复杂度高的算法比复杂度低的算法慢；
常见复杂度（按效率排序）：
O(1)<O(logn)<O(n)<O(nlogn)<O(n的平方) < O(n2 *logn)<O(n的三次方)
技巧：如何简单快速的判断出算法的复杂度(适用于绝大多数的简单情况)
- 确定问题规模n
- 循环减半的过程–> logn
- k层关于n的循环 —>n^k
复杂的情况：根据算法的执行过程判断
个人技术性网站，更多内容尽在此站：http://xbhog.cn/
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019-10-13 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录