算法复杂度分析中的渐近分析（基于输入大小）(3)

• 线性搜索（增长顺序为线性）
• 二叉搜索（增长顺序是对数）。

为了理解渐近分析如何解决上述分析算法中提到的问题，

• 让我们说：
  • 我们在快速计算机 A 上运行线性搜索，并且
  • 在慢速计算机 B 和
  • 选择两台计算机的常量值，以便它准确地告诉我们给定计算机在几秒钟内执行搜索所需的时间。
• 假设 A 的常数是 0.2，B 的常数是 1000，这意味着 A 比 B 强大 5000 倍。
• 对于输入数组大小 n 的小值，快速计算机可能需要更少的时间。
• 但是，在输入数组大小达到一定值后，与线性搜索相比，二叉搜索肯定会开始花费更少的时间，即使二叉搜索是在一台慢速机器上运行的。

输入大小	在 A 上的运行时间	B 上的运行时间
10	2 秒	~ 1 小时
100	20 秒	~ 1.8小时
10^6	~ 55.5 小时	~ 5.5小时
10^9	~ 6.3 年	~ 8.3小时

• 原因是二叉搜索相对于输入大小的增长顺序是对数的，而线性搜索的增长顺序是线性的。
• 因此，在输入大小的某个值之后，始终可以忽略与机器相关的常量。

此示例的运行时间：

• 线性搜索运行时间（以秒为单位）：0.2 * n
• 二进制搜索运行时间（以秒为单位）：1000*log（n）

渐近分析总是有效吗？

渐近分析并不完美，但这是分析算法的最佳方法。例如，假设有两种排序算法在一台机器上分别占用 1000nLogn 和 2nLogn 时间。这两种算法在渐近上是相同的（增长顺序是nLogn）。因此，使用渐近分析，我们无法判断哪一个更好，因为我们忽略了渐近分析中的常数。

此外，在渐近分析中，我们总是讨论大于常量值的输入大小。这些大输入可能永远不会提供给您的软件，并且渐近较慢的算法始终在您的特定情况下表现得更好。因此，您最终可能会选择一种渐近较慢但对您的软件来说更快的算法。

如果您发现任何不正确的地方，或者如果您想分享有关上述主题的更多信息，请写评论

⭐️ 优质书籍推荐

《MATLAB智能优化算法：从写代码到算法思想》

【内容简介】

本书以简单的组合优化问题作为MATLAB智能优化算法实战应用的切入点，逐步深入使用MATLA编写更复杂的智能优化算法和求解更复杂的组合优化问题，让读者逐渐理解智能优化算法的实际求解过程。 本书内容通俗易懂，案例丰富，实用性强，特别适合MATLAB语言的入门读者阅读，也适合想学习智能优化算法但无从下手的编程爱好者阅读。另外，本书也适合作为相关专业的教材使用。

目录

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取