大O符号

今天,Mayuyu来讲一个东西,叫做大O符号,即Big O Notation。大O符号是用来描述函数渐进行为的数学符号,更准确地说,它是用另一个函数来描述一个函数数量级的渐进上界。

 

在数学中,它一般用来刻画被截断的无穷级数,尤其是渐进级数的剩余项。

在计算机科学中,它在分析算法复杂性方面非常有用。

 

详细内容参考如下链接

 

链接:http://zh.wikipedia.org/wiki/%E5%A4%A7O%E7%AC%A6%E5%8F%B7

 

对大O符号的解释:http://blog.jobbole.com/55184/

 

算法的时间复杂度:http://www.guokr.com/blog/68001/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
void func1(int N){ int count = 0; for (int i = 0; i < N ; i++) { for (int j = 0; j < N ; j++) { count++; } } 比特就业课 Func1 执行的基本操作次数 : N = 10 F(N) = 130 N = 100 F(N) = 10210 N = 1000 F(N) = 1002010 实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概执行次数,那么这里我们 使用大O的渐进表示法。 大O符号(Big O notation):是用于描述函数渐进行为的数学符号。 3.3 推导大O阶方法 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,则去除与这个项目相乘的常数。得到的结果就是大O阶。 使用大O的渐进表示法以后,Func1的时间复杂度为: N = 10 F(N) = 100 N = 100 F(N) = 10000 N = 1000 F(N) = 1000000 通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数。 另外有些算法的时间复杂度存在最好、平均和最坏情况: 最坏情况:任意输入规模的最大运行次数(上界) 平均情况:任意输入规模的期望运行次数 最好情况:任意输入规模的最小运行次数(下界) 例如:在一个长度为N数组中搜索一个数据x 最好情况:1次找到 最坏情况:N次找到 for (int k = 0; k < 2 * N ; k++) { count++; } int M = 10; while ((M--) > 0) { count++; } System.out.println(count); }解释这段代码
最新发布
06-04

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值