|
| 1 | +""" |
| 2 | + 算法就类似于兵法, test1的执行时间为110s, 第二个执行时间为1s |
| 3 | + 但是不能淡出的以时间来衡量,因为执行程序的机器配置不同,所以时间不能全面的反应算法的优劣 |
| 4 | +""" |
| 5 | +import time |
| 6 | + |
| 7 | + |
| 8 | +def test1(): |
| 9 | + start_time = time.time() |
| 10 | + for a in range(0, 1001): |
| 11 | + for b in range(0, 1001): |
| 12 | + for c in range(0, 1001): |
| 13 | + if a + b + c == 1000 and a ** 2 + b ** 2 == c ** 2: |
| 14 | + print("a, b, c: %d, %d, %d" % (a, b, c)) |
| 15 | + |
| 16 | + end_time = time.time() |
| 17 | + print("finished: %s" % (end_time - start_time)) |
| 18 | + |
| 19 | + |
| 20 | +""" |
| 21 | + 如果a+b+c=1000,且a^2+b^2=c^2的a,b,c的组合 |
| 22 | + N是程序的规模,例子中N就是1000, a+b+c=N,描述的一类问题 |
| 23 | + 时间复杂度:就是程序执行的步骤, T(n) = N^3 * (1+1) 也就是1000的三次方 |
| 24 | + 大O记法:时间复杂度的简化分析,算法分析的是数量级和趋势,不计较规模函数中的常量因子,简化为O(n)=N^3,图线特征和趋势,类似于渐进函数 |
| 25 | + |
| 26 | + Test2中:T(n) = n * n * (1 + max(1, 0)) |
| 27 | + = n ^2 *2 |
| 28 | + = O(n^2) |
| 29 | +""" |
| 30 | + |
| 31 | + |
| 32 | +def test2(): |
| 33 | + |
| 34 | + start_time = time.time() |
| 35 | + for a in range(0, 1001): |
| 36 | + for b in range(0, 1001): |
| 37 | + # 此时c就已经确立了,不需要循环1000次了 |
| 38 | + c = 1000 - a - b |
| 39 | + if a + b + c == 1000 and a ** 2 + b ** 2 == c ** 2: |
| 40 | + print("a, b, c: %d, %d, %d" % (a, b, c)) |
| 41 | + |
| 42 | + end_time = time.time() |
| 43 | + print("finished: %s" % (end_time - start_time)) |
| 44 | + |
| 45 | + |
| 46 | +def test3(): |
| 47 | + list1 = [1, 23, 4, 1, 4, 6] |
| 48 | + list2 = [1, 2, 3, 4, 5, 6] |
| 49 | + |
| 50 | + """ |
| 51 | + 如果排序list1和list2的话,list1的时间复杂度和N^2,最坏时间复杂度(一种保证),一般使用的就是最坏时间复杂度 |
| 52 | + list2碰巧为有序的列表,遍历一次即可,时间复杂度为最优时间复杂度,没意义 |
| 53 | + |
| 54 | + 基本操作算一个时间复杂度O(1) 即只有常数项 |
| 55 | + 顺序结构采用加法 |
| 56 | + 循环结构使用乘法 |
| 57 | + 分支结构采取最大值,if和else中谁的步骤多,if中的条件判断不加进去 |
| 58 | + 只关注数量级的最高项,一般忽略常量 |
| 59 | + |
| 60 | + """ |
| 61 | + |
| 62 | + |
| 63 | +if __name__ == '__main__': |
| 64 | + # test1() |
| 65 | + # test2() |
| 66 | + # test3() |
| 67 | + pass |
0 commit comments