1.算法

1.1时间复杂度

时间复杂度：用来评估算法运行效率的一个式子！

由于print()一次与print多次，执行时间相差很小，所以时间复杂度统一为O(1)。
相对于循环来说，中间执行的代码时间相对来说很小，所以只要是循环，时间复杂度只与循环的次数有关。

小节：
1.时间复杂度是用来估计算法运行时间的一个式子。
2.一般来说，时间复杂度高的算法比复杂度低的算法慢。
3.常见的时间复杂度效率
O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n2logn)<O(n3)
4.复杂的时间复杂度
O(n!) O(2n) O(nn) …

快速判断算法复杂度规模(适用于大多数情况)：
1.没有循环，为O(1)
2.循环n次，为O(n)
3.k层循环，为n^k
4.循环减半，为log2^n

复杂情况，根据算法执行过程判断

1.2空间复杂度

空间复杂度：用来评估算法内存占用大小的式子。
1.算法只是使用了一些变量，空间复杂度为O(1)。
2.算法使用了长度为n的一维列表，空间复杂度为O(n)。
3.算法使用了m行n列的二维列表，空间复杂度为O(m*n)

在实际编程中，我们都会以空间来换取时间，即使占用内存，也要争取速度。

2.递归

2.1常见例子

2.2汉诺塔问题

要求把所有圆盘从A上挪到另一个柱子上
小圆盘不能放在大圆盘上
一次只能移动一个盘子

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: vita
def hanio(n,a,b,c):
    if n>0:
        hanio(n-1,a,c,b)
        print("from %s to %s"%(a,c))
        hanio(n-1,b,a,c)
hanio(3,"A", "B", "C")

汉诺塔移动次数的递推式：h(x)=2h(x-1)+1

2.列表查找

2.1顺序查找

顺序查找：也叫线性查找，从列表第一个元素开始，顺序搜索，直到找到元素或搜索到最后一个元素。
时间复杂度为O(n)

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: vita
def search(li,val):
    for index, v in enumerate(li):
        if v == val:
            return index
    return None
index = search([1,2,4,5,9,3], 4)

print(index)  # 2

2.2二分法查找

⼆分查找：⼜叫折半查找，从有序列表的初始候选区li[0:n]开
始，通过对待查找的值与候选区中间值的⽐较，可以使候选
区减少⼀半。

时间复杂度：O(logn)

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: vita

def search(li,val):
    length = len(li)
    min = 0
    max = length - 1
    while min <= max:
        mid = (min + max)//2
        if li[mid] == val:
            return mid
        elif li[mid] > val:
            max = mid -1
        elif li[mid] < val:
            min = mid + 1
    return None

index = search([1,2,4,5,9], 4)

print(index)  # 2

2.3

来源：https://blog.51cto.com/10983441/2435622

标签

时间复杂度

算法