函数的渐近增长率

函数的渐近增长率
增长率的概念使得我们集中关注算法在规模较大的时候的性能表现,它关注的不是代价函数的具体的值,而是代价函数的值随着规模增长的速度,因而不管开始的优劣如何,增长率较快的函数在面对大规模输入的时候会变得更大。
渐近的概念帮我们处理了不同算法对于“大规模”的含义有不同解读的问题,它关注的是问题规模趋于无穷是算法的代价的变化规模

我们引入3组共5个符号来描述函数的渐近增长率之间的关系,它们是O 和o\Omega\omega\Theta。首先使用极限语言的定义,在此基础上给出了基于求极限的判别方法。这里假设f(n)/g(n)的极限存在。

O 和o

O 和o的定义是基础,首先给这两个记号的定义:

不严格地说,f(n)=O(g(n))描述的是当问题规模充分大的时候,函数f(n)的增长率不会超过g(n)的增长率。相比而言f(n)=o(g(n))虽同样表示函数f(n)的增长率不会超过g(n),但是它的要求更强。

f(n)=o(g(n))强调这两个函数在增长率方面有一种“实质性的差距”:总可以通过增加问题规模n,使得函数之间的有任意大的差距。

\Omega\omega

f(n)=\Omega (g(n))描述的问题规模的增大,函数f(n)的增长率不会低于g(n)的增长率

另外我们可以定义f(n)=\Theta (g(n))来表示f(n)和 g(n)的增长率处于“同一水平”。

整理自书籍《算法设计与分析》(黄宇)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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