演算法效率(參考版)
2025-01-24 15:00本頁面
【正文】 因此 B(n)=1記憶體複雜度分析 (memory plexity) 求得一演算法以使用記憶體為單位來計(jì)算，其效率為何複雜度函數(shù) (plexity function)是任一個(gè)將正整數(shù)映射到非負(fù)實(shí)數(shù)的函數(shù) (order)n 線性時(shí)間演算法 (lineartime algorithm)n 平方時(shí)間演算法 (quadratictime algorithm)n 純平方函數(shù) (pure quadratic function) EX：n 完全平方函數(shù) (plete quadratic function) EX：常見的複雜度類別表 二次項(xiàng)最終會(huì)主控整個(gè)函數(shù)的值 以嚴(yán)謹(jǐn)?shù)姆绞? 介紹量級的概念big O量級的性質(zhì)。又 B(n)被稱作該演算法的最佳情況時(shí)間複雜度，其求得的過程稱為最佳情況時(shí)間複雜度分析。若 x在第 k個(gè)位置被找到，迴圈就跑了 k次，若 x沒有在陣列中被找到，則迴圈則跑了 n次，因此最佳情況時(shí)間複雜度n 對於一個(gè)給定的演算法， B(n)被定義為在輸入大小為 n的情況下，該演算法執(zhí)行基本運(yùn)算次數(shù)的最小值。若要分析這個(gè)情況，我們必須指定 x位於從 1到 n的每個(gè)位置之機(jī)率都是相同的。若 x位於第 k個(gè)位
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1