0-1、《数据结构与算法-python》第一章

前几章非算法部分,仅摘录重点内容。

文章目录

  • 1、算法的基本概念
  • 2、算法的基本设计模式
  • 3、大O记法
  • 4、复杂度分析
    • 4.1、基本循环
    • 4.2、递归的复杂度

1、算法的基本概念

0-1、《数据结构与算法-python》第一章_第1张图片
0-1、《数据结构与算法-python》第一章_第2张图片

2、算法的基本设计模式

0-1、《数据结构与算法-python》第一章_第3张图片

3、大O记法

在这里插入图片描述
常用的渐进复杂度:
O ( 1 ) , O ( l o g n ) , O ( n ) , O ( n l o n g n ) , O ( n 2 ) , O ( n 3 ) , O ( 2 n ) O(1),O(log n),O(n),O(n long n),O(n^2),O(n^3),O(2^n) O(1),O(logn),O(n),O(nlongn),O(n2),O(n3),O(2n)
0-1、《数据结构与算法-python》第一章_第4张图片

4、复杂度分析

4.1、基本循环

最基本的循环程序:顺序组合、条件分支、循环结构
0 基本操作, O ( 1 ) O(1) O(1)
1 加法规则(顺序复合): 多部分复合,则复杂度为每部分之和,由于忽略常量,则是各部分的最大值
2 乘法规则(循环结构):循环体相乘
3 取最大规则(分支结构):取最大的分支

4.2、递归的复杂度

def recur(n):
	if n == 0:
		return g(...)
	somework
	for i in range(n):
		x = recur(n/b)
		somework
	somework

复杂度公式:
T ( n ) = O ( n 2 ) + a T ( n / b ) T(n)=O(n^2)+a T(n/b) T(n)=O(n2)+aT(n/b)
0 a > b k a>b^k a>bk, T ( n ) = O ( n l o g b a ) T(n)=O(n^{log_b^a}) T(n)=O(nlogba)
1 a = b k a=b^k a=bk, T ( n ) = O ( n k l o g n ) T(n)=O(n^klog n) T(n)=O(nklogn)
2 a < b k aa<bk, T ( n ) = O ( n k ) T(n)=O(n^k) T(n)=O(nk)

你可能感兴趣的:(数据结构与算法)