数据结构与算法笔记:复杂度

【数据结构和算法】时间复杂度和空间复杂度 一、前言 数据结构和算法是程序的灵魂,这是某位程序员大佬所言,学习了这门,我们便可以在 编程之路越走越远。时间复杂度一般是我们所关心的。 二、时间复杂度 时间复杂度简单的说就是一个程序运行所消耗的时间,叫做时间复杂度,我们无法目测 一个程序具体的时间复杂度,但是我们可以估计大概的时间复杂度。 一段好的代码的就根据算法的时间复杂度,即使在大量数据下也能保持高效的运行速率,这也是 我们学习算法的必要性。 2.1时间复杂度表示形式 一般用O()来表示算法的时间复杂度,我们叫做大O记法。 阅读详情

一、算法复杂度

  • 什么是算法复杂度?

    算法复杂度一般分为2个维度:时间复杂度和空间复杂度;针对空间复杂度的问题,现在的我们很少去关心了,因为磁盘内存等变得越来越廉价,我们以后说的复杂度一般只针对 时间复杂度

二、如何计算复杂度

估算如下计算次数

  • 第 1 题

    # 只执行了 1 次 , 时间复杂度为 O(1)
    def func():
        a = 1
    
  • 第 2 题

    # 执行了 10 次 , 有一层循环,时间复杂度为O(n) 
    def func():
    	for i in range(10):
    		a = 1	
    
  • 第 3 题

    # 执行了 10*10 = 100 次 , 有两层循环,时间复杂度为O(n^2)
    def func():
    	for i in range(10):
    		for j in range(10):
    			a = 1
    
  • 第 4 题

    # 执行了 10+ 9 + 8 + ... + 1 = 55 次
    def func():
    	for i in range(10):
    		for j in range(i, 10):
    			a = 1
    
  • 第 5 题

    '''
    用变量代替执行次数, 执行了 n+ (n-1) + (n-2) + ... + 1 = n * ((n+1) / 2)  次
    化简后后:1/2 * n^2 + 1/2 * n
    时间复杂度为:O(1/2 * n^2 + 1/2 * n)
    由于我们一般只保留最高次的项,并且不保留系数,时间复杂度为:O(n^2)
    '''
    def func():
    	n = 10
    	for i in range(n):
    		for j in range(i, n):
    			a = 1
    
  • 第 6 题

    '''
    用变量代替执行次数, 执行了 2*(n+ (n-1) + (n-2) + ... + 1) = n * (n+1) 次
    化简后后:n^2 + n
    时间复杂度为:O(n^2 + n)
    由于我们一般只保留最高次的项,并且不保留系数,时间复杂度为:O(n^2)
    '''
    def func():
    	n = 10
    	for i in range(n):
    		for j in range(i, n):
    			a = 1
    			b = 2
    
  • 7.比较5、6 两者时间复杂度相同,但是两者速度不同,不同之处是系数不同, 在n很大的情况下, 系数和非最高次项都是可以省略的

  • 8.如果程序跑得太慢,有可能是一下两方面的原因:
    ①、时间复杂度过大 ②、常数项过大

算法复杂度常数

  1. 两个算法的时间复杂度均为O(n2),但也要区分跑几个n2, 速度是完全不一样的
  2. 系数和非最高此项均可视为常数
  3. 复杂度与速度没有必然联系,常数项在中间起了很大作用
  4. 如果n值越大,常数项的作用越小, 将n看成非常大,常数项便可以被忽略不计

三、常见的时间复杂度示例

  1. 时间复杂度为: O(1) 也就是常数复杂度

    def func():
    	a = 1
    
  2. 空间复杂度为: O(N) 也就是线性复杂度 (通常特征是一层循环)

    def func():
    	n = 10
    	for i in range(n):
    		a = 1
    
    
  3. 多项式复杂度O(N^2) (通常特征是双层循环)

    def func():
    	n = 10
    	for i in range(n):
    		for j in range(i, n):
    			a = 1
    
  4. 指数复杂度O(2^n)

    def func(n):
    	if n <= 1: return n
    	return func(n-1) + func(n-1)
    
  5. 对数复杂度O(log(N))

    # 此项时间复杂度为以2为底的log(N) 即 log2(N)
    def func(n):
    	if n <= 1: return n
    	return func(n // 2) + 1
    
  6. 渐进复杂度O(N)

    def func(n):
    	if n <= 1: return
    	mid = n // 2
    	for i in range(mid+1, n):
    		a = 1
    	func(mid)
    

    相关数学计算公式如下:
    f(n) = f(n/2) + n/2
    f(n) = f(n/4) + n/4 + n/2
    f(n) = f(n/8) + n/8 + n/4 + n/2
    …

    推导出:
    f(n) = n/2 + n/4 + n/8 + … <= n

Python数据结构与算法笔记(一):时间复杂度与空间复杂度 学习内容来自清华计算机博士带你学习Python算法+数据结构。 算法概念简述 数据结构:数据存储 时间复杂度 每个电脑配置不一样。同一个程序执行的时间不同。 运行观察程序的快慢,耗时。 因此,选择一个公式来表示某一个程序执行的快慢。 估计算法运行效率与时间复杂度 内容 通俗理解O(1): O:一个数学里式子上界的意思,这里简单理解为估计,大约,几 1:类似单位,秒,分钟,小时。代码执行一次 O(1)=运行时间:几秒 O(n):n重循环,执行n次。大约执行n秒。 由于时间复杂度是估计值: O(3)的 阅读详情

相关推荐

Adobe Acrobat Pro(Adobe PDF) - 使用技巧

Adobe Acrobat Pro为Adobe出品的PDF查看和编辑软件,下文简称Adobe PDF,该软件功能强大,拥有查看PDF、编辑PDF、打印PDF、导出PDF、合并文件、组织页面、文本标注、注释、动作向导、等功能。本文介绍Adobe PDF的一些使用技巧,最后介绍软件设置。

NSJim的博客 4万+

数据结构与算法——大牛博客

1、http://www.cnblogs.com/skywang12345/    2、http://blog.youkuaiyun.com/heroacool/article/details/510148243、https://www.61mon.com/index.php/archives/194/

yangzishiw的专栏 3412

51单片机也能玩转GC9A01彩屏?超详细移植指南与性能优化技巧

本文详细介绍了如何在51单片机上高效驱动GC9A01彩屏,包括硬件连接优化、SPI模拟驱动、内存管理策略及高级刷新技术。通过分段缓冲、颜色压缩和差异化刷新等技巧,显著提升显示性能,使51单片机也能流畅运行240x240分辨率的彩色TFT屏幕。

hp777的博客 190

【数据结构】详谈复杂度

我们在做一些算法题时,经常会发现题目会对时间复杂度或者空间复杂度有所要求,如果你不知道什么是复杂度时,你可能就无法正确的完成题目。因此,我们在学习数据结构与算法的第一步,就是要理解什么是复杂度。复杂度是衡量算法效率的标准,而算法分析效率分为两种:时间效率和空间效率。由此,复杂度也被分为两种:时间复杂度和空间复杂度。时间效率被称为时间复杂度, 而空间效率被称作空间复杂度。时间复杂度主要衡量的是一个算法的运行速度。

忆梦初心的博客 2683

Ubuntu 上 1Panel 的安装与高效运维实践

本文详细介绍了在Ubuntu系统上安装和高效运维1Panel面板的完整实践指南。内容涵盖了一键安装、Docker容器可视化部署、计划任务自动化以及网站数据库管理等核心功能,并提供了安全加固、资源监控与数据备份等进阶技巧,旨在帮助用户快速搭建并管理一个强大易用的服务器环境。

weixin_29210759的博客 145

生信分析实战指南:Linux环境下EMBOSS的安装与核心功能详解

本文详细介绍了在Linux环境下安装和使用EMBOSS工具包的实战指南,涵盖源码编译、包管理器安装和Conda安装三种方法,并演示了序列比对、序列特征提取和引物设计等核心功能。EMBOSS作为生物信息学领域的开源工具集,适用于序列分析、蛋白质结构预测等多种任务,帮助研究人员高效完成生信分析工作。

weixin_29202213的博客 466

【数据结构】详解算法的复杂度

详解算法的复杂度

Hush_H的博客 1965

Experion PKS系列开发:I_O模块_ExperionPKS与第三方I-O模块的集成

通过上述步骤,可以成功将第三方I/O模块集成到Honeywell Experion PKS系统中,实现对现场设备的监视和控制。集成过程中需要注意选择合适的第三方模块,配置正确的通信参数,编写正确的控制逻辑,并进行充分的测试,以确保系统的稳定性和可靠性。不同的通信协议(如Modbus、Profibus、Ethernet/IP、CANopen、OPC UA)有其独特的配置和编程方法,但总体流程相似。在实际应用中,根据项目需求选择合适的协议和模块,可以有效提高系统的灵活性和适应性。

zhubeibei168的博客 1107

数据结构——算法复杂度

数据结构是计算机科学中的一个重要概念,它是指在计算机中组织和存储数据的一种方式,使得数据的访问和修改变得更加高效和方便。不同的数据结构有助于以不同的方式处理数据,具体的选择往往取决于实际应用的需要和所需操作的类型。常见的数据结构包括:线性数据结构:非线性数据结构:哈希表:一种通过哈希函数将键映射到值的结构,能够实现快速的数据存取。集合:一种无序且唯一的数据集合,可以用于快速查找和操作。每种数据结构都有其独特的特点和适用场景,选择合适的数据结构可以提高程序的性能和可读性。在算法设计中,数据结构与算法通常是紧密

xiaoxin_________的博客 1099

MySQL——cost成本计算之MySQL如何选择使用索引(trace)

文章目录前言trace工具分析执行计划 前言 在之前博客中,根据测试案例,发现同样的sql语句,因为传入的条件值的不同,导致MySQL有时候选择使用索引,有时候又不适用索引。 如下所示sql的执行计划: EXPLAIN SELECT * FROM employees WHERE name > 'aaa'; EXPLAIN SELECT * FROM employees WHERE name > 'zzzz'; 在MySQL中,为什么会出现上述这种玄乎的现象呢? 本篇博客重点说明原因。 在说

专注写bug 683

ShaderJoy —— 简单又神奇的 “合体” 函数【GLSL】

smin 函数 它实际上有两种常见的实现方式 多项式 指数 多项式 smin 函数图 其对应的代码为 float smin( float a, float b ) { // 多项式 const float k = 0.5; float h = clamp(0.5 + 0.5 * (b - a) / k, 0.0, 1.0); return mix(b, a, h) - k * h * (1.0 - h); } 从上图中我们可以很明显的看出有两处不连...

ShaderJoy 的兴趣技术杂货铺 1858

冰冰学习笔记:数据结构与算法复杂度

什么是空间复杂度,什么是时间复杂度?这里总结了!!! 复杂度练习题,消失的数字,4中解决方案;旋转数组,三种解决方案,这你还不收藏起来。

bingbing_bang的博客 832

RISC-V CPU设计(三)---多周期CPU的设计与实现

基本情况 本多周期CPU支持RV32I指令集(fence,ecall,ebreak除外),已通过部分指令的测试,如代码有bug,欢迎指出。 模块划分 代码将CPU划分为以下几个模块: 1.控制单元:ControlUnit 用于产生控制信号,是CPU的大脑,指挥中枢。 2.分支决策单元:BranchUnit 用于决定B型指令是否发生跳转 3.立即数单元:ImmUnit 用于从指令中解析出立即数. 4.寄存器堆:RegisterFile RISC-V的32个寄存器,其中x0寄存器恒为0,不可更改。 5.指令存储

qq_40268672的博客 5543

数据结构与算法学习笔记:时间复杂度与空间复杂度

博主希望以一系列学习博客的方式来记录自己学习算法的经历并便于自己复习,欢迎各位看官一起交流学习。

2301_79501467的博客 1304

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

数据结构与算法学习笔记:01复杂度

1、什么是算法? 算法是用于解决特定问题的一系列的执行步骤,不论代码的长短,只要是为了解决特定问题的步骤都是算法 解决同一个问题,使用不同的算法,效率相差非常大 eg:求第n个斐波那契数(0 1 1 2 3 5 8 13 简单来说就是每个数是它的前面两个数相加) package com.mj; import java.util.zip.Inflater; public class...

weixin_44285710的博客 212

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

【数据结构与算法之美】笔记二:复杂度分析

笔记来自王争老师的《数据结构与算法之美》课程,学习之余,整理的笔记。 内容为精简版,便于日后复习以及查阅。如有需要,推荐购买专栏课程。 课程地址:数据结构与算法之美 文章目录复杂度分析(上):如何分析、统计算法的执行效率和资源消耗?1. 为什么需要复杂度分析?2. 大O复杂度3. 时间复杂度分析4. 几种常见时间复杂度实例分析4.1 O(1)4.2 O(logn)、O(nlogn)4.3 O(m+n)、O(m*n)5. 空间复杂度分析复杂度分析(下):浅析最好、最坏、平均、均摊时间复杂度6. 最好、最坏.

SunshineSki的博客 378

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

数据结构与算法学习笔记:复杂度

写在前面:记录学习《恋上数据结构与算法》的过程。 课程链接地址:https://ke.qq.com/course/385223 学习大纲: 复杂度 如何评判一个算法的好坏? package com.mj; public class Main { /* 0 1 2 3 4 5 * 0 1 1 2 3 5 8 13 .... */ public static int fib1(int n) { if (n <= 1) return n; return fib.

baidu_41388533的博客 323

JAVA笔记:算法与数据结构【算法时间复杂度】

时间频度 基本介绍: 时间频度:一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多。一个算法中的语句执行次数称为语句频度或时间频度。记为T(n) 时间复杂度 一般情况下,算法中的基本操作语句的重复执行次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T(n) / f(n) 的极限值为不等于零的常数,则称f(n)是T...

qq_40128285的博客 194

《数据结构与编程之美》学习笔记2:算法复杂度那些事儿

“算法复杂度分析是整个算法学习的精髓,只要掌握了它,数据结构和算法的内容基本上就掌握了一半。”这句话虽然夸张了些,但是也表达出了复杂度分析的重要性。本篇博文介绍算法复杂度的大O表示法、最好、最坏、平均和均摊时间复杂度。 一、如何分析、统计算法的执行效率和资源消耗? 1. 为什么需要复杂度分析? 事后统计法 有很大的局限性 测试结果非常依赖于环境,不同配置的计算机,会产生截然不同的测试结果。...

dsyblog 455

数据结构 笔记:算法的事件复杂度

判断一个算法的效率时,操作数量中的常数项和其他次要项常常可以忽略,只需要关注最高阶项就能得出结论 算法的复杂度 -时间复杂度 ·算法运行后对时间需求量的定性描述 -空间复杂度 ·算法运行后对空间需求量的定性描述 大O表示法 -算法效率严重依赖于操作(Operation)数量 -操作数量的估算可以作为时间复杂度的估算 -在判断时首先关注操作数量的最高次项 总结: -时间复杂度是...

Qiuery的博客 299

【数据结构与算法】笔记二:时间复杂度和空间复杂度

一、时间复杂度 运行代码的机器不同,同一个代码,运行的速度(时间)也不同,比如电脑和单片机,为了避免差异,我们只考虑同一个代码的执行次数,由此代表其时间复杂度。 一般只比较数量级大小,比如O(n)和O(n²) 抽取循环中的一行代码即可。 while(i<n) { i++; do_somthing(); } //则这个T(n) = O(n) while(i<n) { i++; j = 0; while(j<m) { ...

avrpcb的博客 543

数据结构与算法笔记:入门篇 - 复杂度分析(上)

数据结构和算法本身是解决 “快” 和 “省” 的问题,即如何让代码运行得更快,如何让代码更省存储空间。所以,执行效率是算法一个非常重要的考量指标。那如何来衡量你编写的算法代码的执行效率呢?这里就要用到时间、空间复杂度分析了。其实,只要讲到数据结构和算法,就一定离不开时间、空间复杂度分析。而且,复杂度分析是整个算法学习的精髓,只要掌握了它,数据结构和算法的内容基本就掌握了一半了。所以,复杂度分析非常重要。

chenjian723122704的专栏 937

数据结构与算法学习笔记一: 时间复杂度空间复杂度

  这篇主要讲解时间复杂度、空间复杂度概念。 复杂度分析   数据结构和算法解决的是“快”和“省”的问题。即如何让代码运行的更快,如何让代码更省存储空间。因此代码的执行效率是一个非常重要的考量指标,那如何来衡量代码的执行效率呢?我们可以用时间复杂度、空间复杂度来对代码的执行效率、性能进行评估,也就是算法的复杂度分析。 算法的复杂度分析主要包含两个方面:   时间复杂度分析   空间复杂度分析 为什么要进行复杂度分析? 1.和性能测试相比,复杂度分析不依赖执行环境、成本低、效率高、易操作、指导性强的特点。 2

哲学天空的博客 386

数据结构与算法笔记(一):基本概念及复杂度

算法(Algorithm) 一、算法的特性 有穷性(Finiteness) 必须能在执行有限个步骤之后终止; 确切性(Definiteness) 每一步骤必须有确切的定义; 输入项(Input) 一个算法有0个或多个输入,以刻画运算对象的初始情况,所谓0个输入是指算法本身定出了初始条件; 输出项(Output) 一个算法有一个或多个输出,以反映对输入数据加工后的结果。没有输出的算法是毫无意义的; 可行性(Effectiveness) 算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步骤,即每个计

努力努力再努力w 376

数据结构学习笔记:算法复杂度的分析

为了理解算法复杂度的分析,首先讲一下级数方面的知识和归纳 接下来看一下循环操作中的级数!

Peter_Red_Boy的博客 1610

数据结构与算法——LeetCode刷题笔记(一):复杂度

数据结构与算法——LeetCode刷题笔记(一):复杂度

weixin_42923076的博客 327
上一篇: Python笔记:Fix Django unapplied migration(s) and support remote visits
下一篇: 领导者核心能力七力模型
Wang's Blog
博客等级 码龄12年 7438粉丝 2422原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wang's Blog

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值