前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数据结构与算法基础-(1)

数据结构与算法基础-(1)

作者头像
用户10920432
发布2024-01-18 15:38:57
1090
发布2024-01-18 15:38:57
举报
文章被收录于专栏:Python数据结构与算法

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🌱

95f7939886824650b50fbc52f70adda5.png
95f7939886824650b50fbc52f70adda5.png

1.2时间复杂度(Time complexity)的引入🪴

算法1:

代码语言:javascript
复制
#如果 a+b+c=1000, 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 a+b+c==1000 and a**2+b**2==c**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))
dc4b8366cdde4bafb15a334a1bbdec9d.png
dc4b8366cdde4bafb15a334a1bbdec9d.png

算法2:

代码语言:javascript
复制
#如果 a+b+c=1000, 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 - b
        if a**2+b**2==c**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))
c67d20cae4624a9b864b4dfe34acc2a6.png
c67d20cae4624a9b864b4dfe34acc2a6.png

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:

cb38adc665784f42aade2810e14047b6.png
cb38adc665784f42aade2810e14047b6.png

注:下面代码示例都是将a+b+c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.

c9704bf400de4b9586e4b6feb6c5f1b7.png
c9704bf400de4b9586e4b6feb6c5f1b7.png
a12ccc0111714433a5c4f6c69960a8ef.png
a12ccc0111714433a5c4f6c69960a8ef.png

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。

7eed5372764f4832bc16e8a7e527b79e.png
7eed5372764f4832bc16e8a7e527b79e.png

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

代码语言:javascript
复制
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. What's the time complexity of it? (Big O notation)

88e03790bcc04ab5b13389c9ab69f0aa.png
88e03790bcc04ab5b13389c9ab69f0aa.png
f4307ae824174a3fbd3ecabffb13b02c.png
f4307ae824174a3fbd3ecabffb13b02c.png

🍁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!🍁

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-12-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 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🪴
  • 1.3时间复杂度和大O记法的练习🌳
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档