1-03最坏时间复杂度

标签：情况   应用   评价   循环结构   价值   需要   于平   也会   计算   

最坏时间复杂度

分析算法时，存在几种可能的考虑：

• 算法完成工作最少需要多少基本操作，即最优的时间复杂度
• 算法完成工作最多需要多少基本操作，即最坏时间复杂度
• 算法完成工作平均需要多少基本操作，即平均时间复杂度

对于最优时间复杂度，其价值不大，因为它没有提供什么有用信息，其反映的只是最乐观最理想的情况，没有参考价值。

对于最坏时间复杂度，提供了一种保证，表明算法在此种程度的基本操作中一定能完成工作。

对于平均时间复杂度，是对算法的一个全面评价，因此它完整全面的反映了这个算法的性质。但另一方面，这种衡量没有保证，不是每个计算都能在这个基本操作内完成，而且对于平均情况的计算，也会因为应用算法的实例分布可能并不均匀而难以计算。

因此，我们主要关注算法的最坏情况，亦即最坏时间复杂度。

时间复杂度的几条基本计算规则

1.基本操作，即只有常数项，认为其时间复杂度为O(1)

2.顺序结构，时间复杂度按加法进行计算

3.循环结构，时间复杂度按乘法进行计算

4.分支结构，时间复杂度取最大值

5.判断一个算法的效率时，往往只需要关注操作数量的最高次项，其它次要项和常数项可以忽略

6.在没有特殊说明时，我们所分析的算法的时间复杂度都是指最坏时间复杂度

for a in range(0,1001):
   for b in range(0,1001):
       c = 1000-a-b
       if a**2+b**2 == c**2:
          print("a,b,c:%d,%d,%d"%(a,b,c)

对上述算法：

　　T(n)=n*n*(1+1)=n^2*2

　　T(n)=O(n^2)

1-03最坏时间复杂度

标签：情况   应用   评价   循环结构   价值   需要   于平   也会   计算   

原文地址：https://www.cnblogs.com/echo-kid-coding/p/11124419.html