Asymptotic Analysis——渐近分析

本文介绍了算法分析中的渐近分析,包括Big-Oh定义、Omega符号以及Theta记号。这些概念在比较不同算法效率,特别是在处理大规模输入时至关重要。通过举例说明了Big-Oh表示函数的渐近上界,Omega表示渐近下界,而Theta则同时给出上下界。建议参考《算法导论》及Coursera上的相关课程深入学习。
摘要由CSDN通过智能技术生成


上图主要介绍的是渐进分析的动机是什么。

  • 高级推理算法的“灵魂”(翻译水平有限,不知道合适不合适,若有好的翻译请告诉我,或者你直接看英文原版吧)
  • 不关注架构/语言/编译器的相关细节(意为只关注算法本身)
  • 对于不同算法的比较特别有用,尤其是在大型输入(例如排序或整数乘法)


不关注常数因子和低阶项,举了一个例子 6nlog2n+6 去除常数因子6和低阶项6得到 nlogn ,用术语讲就是运行时间为 O(nlogn) ,n指的是输入的规模(例如数组的长度)
下面是几道例题,
第一道:

第二道:

第三道:

第四道:


Big-Oh:Definition


当只有一个渐进上界时,使用O记号,通常来讲,它来限制算法的最坏情况运行时间。


c与 n0 都是正常量

基础例子:
Example#1


Example#2


Omega Notation

正如

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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