本文为大家讲解了python算法表示概念，供大家参考，具体内容如下 [b]常数阶O(1)[/b] 常数又称定数，是指一个数值不变的常量，与之相反的是变量 为什么下面算法的时间复杂度不是O(3)，而是O(1)。 这个算法的运行次数函数是f（n）=3。根据我们推导大O阶的方法，第一步就是把常数项3改为1。在保留最高阶项时发现，它根本没有最高阶项，所以这个算法的时间复杂度为O(1)。 另外，我们试想一下，如果这个算法当中的语句sum=（1+n）*n/2有10句，即： 事实上无论n为多少，上面的两段代码就是3次和12次执行的差异。这种与问题的大小无关（n的多少），执行时间恒定的算法，我们称之为具有O(1)的时间复杂度，又叫常数阶。 注意：不管这个常数是多少，我们都记作O(1)，而不能是O(3)、O(12)等其他任何数字，这是初学者常常犯的错误。  [b]推导大O阶方法[/b] 1.用常数1取代运行时间中的所有加法常数 2.在修改后的运行次数函数中，只保留最高阶项 3.如果最高阶项存在且不是1，则去除与这个项相乘的常数 [b]对数阶O(log2n)　[/b] [b]对数[/b] 如果a的x次方等于N（a>0，且a不等于1），那么数x叫做以a为底N的对数（logarithm），记作x=logaN, 。其中，a叫做对数的底数，N叫做真数。 5^2 = 25 , 记作 2= log5 25 对数是一种运算，与指数是互逆的运算。例如 ① 3^2=9 <==> 2=log<3>9； ② 4^(3/2)=8 <==> 3/2=log<4>8； ③ 10^n=35 <==> n=lg35。为了使用方便，人们逐渐把以10为底的常用对数记作lgN [b]对数阶[/b] 由于每次count乘以2之后，就距离n更近了一分。 也就是说，有多少个2相乘后大于n，则会退出循环。 由2^x=n得到x=log2n。所以这个循环的时间复杂度为O(logn)。  [b]线性阶O(n)　[/b]　 执行时间随问题规模增长呈正比例增长 [b]线性对数阶O(nlog2n)[/b] [b]平方阶O(n^2)[/b] 立方阶O(n^3) k次方阶O(n^k), 指数阶O(2^n)。 随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。　　  [img]http://files.jb51.net/file_images/article/201704/2017413104202079.jpg?2017313104215[/img] 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程素材网。