Python算法中時間復雜度問題的示例分析-創(chuàng)新互聯

這篇文章主要介紹了Python算法中時間復雜度問題的示例分析，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

創(chuàng)新互聯是一家集成都做網站、成都網站制作、網站頁面設計、網站優(yōu)化SEO優(yōu)化為一體的專業(yè)網站制作公司，已為成都等多地近百家企業(yè)提供網站建設服務。追求良好的瀏覽體驗,以探求精品塑造與理念升華,設計最適合用戶的網站頁面。 合作只是第一步，服務才是根本,我們始終堅持講誠信，負責任的原則，為您進行細心、貼心、認真的服務,與眾多客戶在蓬勃發(fā)展的市場環(huán)境中,互促共生。

在實現算法的時候，通常會從兩方面考慮算法的復雜度，即時間復雜度和空間復雜度。顧名思義，時間復雜度用于度量算法的計算工作量，空間復雜度用于度量算法占用的內存空間。

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

漸進時間復雜度

時間復雜度是算法運算所消耗的時間，因為不同大小的輸入數據，算法處理所要消耗的時間是不同的，因此評估一個算運行時間是比較困難的，所以通常關注的是時間頻度，即算法運行計算操作的次數，記為T(n)，其中n稱為問題的規(guī)模。

同樣，因為n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，我們稱時間復雜度的極限情形稱為算法的漸近時間復雜度，記為O(n)，不包含函數的低階和首項系數。

我們以如下 例子來解釋一下：

如上例子中，我們根據代碼上執(zhí)行的平均時間假設，計算 run_time(n) 函數的時間復雜度，如下：

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

因為我們計算的是極限狀態(tài)下(如，n非常大)的時間復雜度，因此其中存在以下兩種特性：

低階項相對于高階項產生的影響很小，可以忽略不計。 最高項系數對最高項的影響也很小，可以忽略不計。

根據上述兩種特性，時間復雜度的計算方法：

1.只取最高階項，去掉低階項。

2.去掉最高項的系數。

3.針對常數階，取時間復雜度為O(1)。

我們通過下面例子理解一下常見的時間復雜度，如下：

時間復雜度：常數階 O(1)

時間復雜度：線性階 O(n)

時間復雜度：線性階 O(n)

時間復雜度：平方階 O(n^2)

時間復雜度：平方階 O(n^2)

時間復雜度：平方階 O(n^2)

時間復雜度：立方階 O(n^3)

時間復雜度：對數階 O(logn)

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

練習一下

如下count_sort 函數實現了計數排序，列表中的數范圍都在0到100之間，列表長度大約為100萬。

如上count_sort 函數的 空間復雜度為 O(n)，公式如下：

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Python算法中時間復雜度問題的示例分析”這篇文章對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯，關注創(chuàng)新互聯行業(yè)資訊頻道，更多相關知識等著你來學習!

網頁題目：Python算法中時間復雜度問題的示例分析-創(chuàng)新互聯
文章URL：http://bm7419.com/article20/dpoico.html

成都網站建設公司_創(chuàng)新互聯，為您提供品牌網站建設、商城網站、App設計、建站公司、手機網站建設、移動網站建設

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯