O(log n)和O(n)折射出思维的差异

最新推荐文章于 2024-06-27 17:04:10 发布
最新推荐文章于 2024-06-27 17:04:10 发布
阅读量1w 收藏 5
点赞数 8
分类专栏： S7: 码农笑话
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/stpeace/article/details/8101172
版权

       偷笑偷笑偷笑

       早晨一女生背着一堆书进了阅览室,结果警报响了,大妈让女生看看是哪本书把警报弄响了，那女生把书倒出来，准备一本一本的测。大妈见状急了，把书分成两份,第一份过了一下,响了。又把这一份分成两份接着测，三回就找到了，大妈用鄙视的眼神看着女生，仿佛在说O(n)和O(log n)都分不清。

 

涛歌依旧
关注
专栏目录
理解算法中的时间复杂度，O(1)，O(n)，O(log2n)，O(n^2)
qq_37030822的博客
03-04 1787
算法复杂度分为时间复杂度和空间复杂度，二者也是衡量代码的好坏两个重要指标： 时间复杂度：指执行算法所需要的计算工作量； 间复杂度：指执行这个算法所需要的内存空间。 算法的复杂性体现在运行该算法时的计算机所需资源的多少上，计算机资源最重要的是时间和空间（即寄存器）资源，因此复杂度分为时间和空间复杂度。 1. 概念理解 1.1 基本执行次数：T(n) 由于运行环境和输入规模的影响，代码的绝对执行时间是无法估计的，但我们可以估算出代码的基本执行次数。 一般情况下，算法中基本操作重复执行的次数是问题规模
数据结构之：时间复杂度（T(n)=O(n)）
yxd_sange的博客
06-25 5231
写在前面：   这篇文章是在公众号： 程序员小灰 中发布的。是我到目前为止所看到的关于时间复杂度介绍的最好的文章，简介 清晰 明了。 所以拿来po出来 仅供学习交流，如侵则删。   现已将此文收录至： 《数据结构》C语言版 (清华...
时间空间复杂度o(1), o(n), o(logn), o(nlogn)
一山
11-05 1046
描述算法复杂度时,常用o(1), o(n), o(logn), o(nlogn)表示对应算法的时间复杂度，是算法的时空复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。 O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。 O(n)，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。再比如时间复杂度O(n^2)，就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是...
算法-复杂度（n）和log(n) 区别
最新发布
小雨点的博客
06-27 530
增长速度O(n): 线性增长。当输入规模增加时，运行时间按比例增加。适用于需要逐一处理所有输入项的算法。O(log(n)): 对数增长。当输入规模增加时，运行时间增加较慢。适用于能够将问题规模不断减小的算法，如二分查找。适用场景O(n): 适用于需要遍历所有输入项的操作，如线性搜索、求数组的和。O(log(n)): 适用于能够通过分治策略将问题规模减半的操作，如二分查找、平衡二叉树操作。可视化理解O(n): 如果数组大小为 10，运行时间可能为 10 单位；
算法时间计算：logA(N)与O(n)
weixin_30439031的博客
08-15 208
算法运行时间估算常见O(log(n))log：求对数例：a^b=na为底数，b为n的对数记作：logA(n)=b ->求N的对数 计算器验算：计算器的log默认以10为底 输入 10，log = 1。10^1=10换底公式：验算：2^3=8，求8的对数，log(8)/log(2)=3，计算器默认以10为底 for(int i = 2;i<N;i*=2) ...
解析复杂度：O(1)、O(n)、O(logn)、O(nlogn) 、O(n^k)
App Store.公众号.小程序:分享录
03-31 1720
本文主要讲解诸如时间、空间、算法等的复杂度表达方式。 相信很多人第一眼看到O(1)、O(n)、O(logn)、O(nlogn)、O(n^k)会一脸蒙蔽，这些常用来表示时间、空间、算法等的复杂程度。这些是按数量级递增排序，常见的有常数阶O(1)、线性阶O(n)、对数阶O(log2n)（以2为底n的对数，不清楚的回去复习对数函数相关知识，下同）、线性对数阶O(nlog2n)、平方阶O(n^2)、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，上述复杂度不断增大，执行效率.
O(1), O(n), O(logn), O(nlogn) 的区别
霓虹深处
07-19 477
在描述算法复杂度时，经常用到O(1), O(n), O(logn), O(nlogn)来表示对应复杂度程度, 不过目前大家默认也通过这几个方式表示空间复杂度 。 那么，O(1), O(n), O(logn), O(nlogn)就可以看作既可表示算法复杂度，也可以表示空间复杂度。 大O加上（）的形式，里面其实包裹的是一个函数f(),O（f()）,指明某个算法的耗时/耗空间与数据增长量之间的关系。...
算法分析O(n), O(nlogn)...
矩阵实验室
07-11 8613
1. 定义 大O符号（Big O notation）是用于描述函数渐近行为的数学符号。更确切地说，它是用另一个（通常更简单的）函数来描述一个函数数量级的渐近上界。 2. 说明 f(n) = 2n^2 + 3n + 1 f(n) = O(n^2) or f(n) ∈ O(n^2) 为什么可以这么去描述？ lim( f(n) / n^2) = a ( n--> 0,
时间复杂度 O(n) 级排序算法
qq_43533956的博客
04-06 3925
《算法导论》定理 8.1：在最坏情况下，任何比较排序算法都需要做 O(nlogn) 次比较。 《算法导论》推论 8.2：堆排序和归并排序都是渐进最优的比较排序算法。 所以时间复杂度 O(n) 级排序算法都是不进行比较的算法而通过元素本身的特性进行排序的算法，因此都有一定的限制，并不是在所有情况都能使用，主要的有：计数排序，基数排序和桶排序。 计数排序 计数排序需要提前知道所有元素的取值范围，比如【0,10】，依据这个范围建立一个数组t[11]，并将其全部初始化为0，接下来遍历需要排序的数组，假设遍历
n^2和n*log(n)的比较
求知
06-12 1万+
排序算法我们经常会接触，常见的排序算法的复杂度如下： 排序法 最差时间分析 平均时间复杂度 稳定度 空间复杂度 冒泡排序 O(n2) O(n2) 稳定 O(1) 快速排序 O(n2) O(n*log2n) 不稳定 O(log2n)~O(n) 选择排序 O(n2) O(n2) 稳定 O(1) 二叉树排序
人工智能数学进阶知识点（1）--O(n) & o(n)
Ona_Soton的博客
09-10 170
O(n) & o(n)
算法复杂度O(1),O(n),O(logn),O(nlogn)的含义
heihei2017的博客
10-28 6765
时空复杂度概述 首先o(1), o(n), o(logn), o(nlogn)是用来表示对应算法的时间复杂度,这是算法的时间复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。 算法复杂度分为时间复杂度和空间复杂度。其作用： 时间复杂度是指执行这个算法所需要的计算工作量； 空间复杂度是指执行这个算法所需要的内存空间； 时间和空间都是计算机资源的重...
o(1), o(n), o(logn), o(nlogn)
热门推荐
Mars93的博客
07-15 4万+
在描述算法复杂度时,经常用到o(1), o(n), o(logn), o(nlogn)来表示对应算法的时间复杂度, 这里进行归纳一下它们代表的含义: 这是算法的时空复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。 O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。 比如时间复杂度为O(n)，就代表数据
如何理解O(n)中的O和n
litterfrog的博客
10-09 3291
理解 先看两个数学公式 f(n) = 4n + 1000 g(n) = 2n^2 + 5 如果使用大O来表示f函数，则为O(n)； 如果使用大O来表示g函数，则为O(n^2)； 所以大O是一个线性函数。小n是样本的个数。 我们在比较算法的时间复杂度的时候实际上比较的是括号内的内容是n，logn还是n^2等。 到这里有人可能会想那为什么不能直接用n，logn，n^2来表示时间复杂度呢？ n，logn，n^2只能算作一种趋势，实际上是在大多数时候我们关心的就是趋势而已，我们并不关心具体的公式是什么，所以我们把
如何理解算法时间复杂度的表示法O(n²)、O(n)、O(1)、O(nlogn)等？
JackLiu16的博客
10-30 1188
时间复杂度这个东西，其实更准确点说应该是描述一个算法在问题规模不断增大时对应的时间增长曲线。所以，这些增长数量级并不是一个准确的性能评价，可以理解为一个近似值，时间的增长近似于logN、NlogN的曲线。         先从O(1)来说，理论上哈希表就是O(1)。因为哈希表是通过哈希函数来映射的，所以拿到一个关键字，用哈希函数转换一下，就可以直接从表中取出对应的值。和现存数据有多少毫无...
算法复杂度精讲——算法时间复杂度的数学原理：从O（n（log（n））说起
河西无名式
05-19 9294
概述：在设计算法的时候，要考虑两个方面，一个是算法的正确性，另外一个就是算法的效率，也就是复杂度，通常情况下，我们优先考虑的是时间复杂度，这也是本文要讨论的内容。算法学习的时候，经常碰到这样的问题，为什么快速排序的时间复杂度是O(nlog(n))?为何插入排序的时间复杂度是O（n^2）？这些是我们熟悉的算法时间复杂度，可能病没有太大的问题，那我们不熟悉的呢？如果我们采用三路归并排序而不是二路归并排
认识O(N log N)的排序
Coco091的博客
12-24 874
1、master公式的使用 T(N)=a∗T(N/b)+O(Nd) T(N) = a * T(N / b) + O(N ^ d)\\ T(N)=a∗T(N/b)+O(Nd) T(N):母问题的规模 T(N/b):子问题的规模 a:调用次数 O(N^d):除去子问题，剩下操作的时间复杂度 logb a > d --> 复杂度为O（Nlogb a) logb a = d --> 复杂度为O（Nd * log N) logb a < d --> 复杂度为O（Nd) 2
Python实现时间复杂度为O(n²)和O(n)的查找列表中最小值算法
weixin_44520259的博客
11-19 1385
一、 具体要求： 二、 两种实现 1. 时间复杂度为O(n²) 这里的n代表列表里的元素个数，当我们用列表里的每个元素和其他所有元素比较的时候，我们就需要比较n的平方次才能找到最小值。 def getMin(source_list): #两层循环，数量级是n² for i in range(len(source_list)): for j in r...
证明3 log n + log log n is O(log n )
05-28
要证明3 log n + log log n是O(log n)，我们需要找到一个正常数C和一个正整数0，使得当≥0时，3 log n + log log n ≤ C log n。 我们可以使用下面的步骤来证明： 1. 对于任意正整数n，我们有n > log n > log log ...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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