当n趋向于无限大时，n的0.1次方和logn谁大

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3.9k 收藏 2
点赞数 5
分类专栏： 计算机基础 文章标签： python
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/ypxcan/article/details/120457432
版权
博客探讨了随着n趋向无限大时，n的0.1次方与logn的增长关系。通过Python代码验证，当n足够大时，n的0.001次方将大于logn。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

起因是和一个帅哥（sb）讨论另一个问题，延伸到这个问题上面来的

 

 

 

怀着 对问题的严谨性我打开了尘封已久的pycharm

代码：

import math

if __name__ == '__main__':
    x = 1000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
最低0.47元/天 解锁文章
O(logN)时间复杂度内求整数的N次方以及矩阵的N次方
小9的专栏
12-09 4267
整数N次方假设一个整数是10，如何最快地求解10的75次方。 1. 75的二进制数形式为1001011 2. 10的75次方=10^64 × 10^8 × 10^2 × 10^1在这个过程中，我们先求出10^1，然后根据10^2，再根据10^2求出10^4，……，最后根据10^32求出10^64，即75的二进制数形式总共为多少位，我们就要在原基础上平方几次。 在步骤2进行的过程中，只有遇到位为1
时间复杂度2的n次方_时间复杂度和空间复杂度
weixin_39548193的博客
01-26 3032
“我是小羊同学，一个长期在二线城市工作的程序员”一、说明时间复杂度和空间复杂度是用来评价算法效率高低的2个标准，身为开发者肯定会经常会听到这2个概念，但它们分别是什么意思呢?其实这两个概念从字面意思上也能看出一二：时间复杂度：就是说执行算法需要消耗的时间长短，越快越好。比如你在电脑上打开计算器，如果一个普通的运算要消耗1分钟时间，那谁还会用它呢，还不如自己口算呢。空间复杂度：就是说执行...
o(1), o(n), o(logn), o(nlogn)
weixin_30823683的博客
09-15 394
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。 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...
什么是对数logN
热门推荐
zhanwuguo8346的博客
07-05 2万+
什么是对数 软件开发中通过合理的算法能减小计算的空间复杂度和时间复杂度，有的复杂度为logN，什么是logN？通过毕业后的努力工作基本都忘了。 对数 首先，logN被称为对数，是在幂函数的基础上衍生的。例如：3²=9，可以得到log以3为底的9的对数等于2，可以理解为3相乘等于9，这里是两个3相乘，所以结果就是2。 比较经典的二分查找法的时间复杂度就是O(logN)（以2为底），若是用迭代的方式时间复杂度是O（N），N是数据量的个数；我们可以假设若是个数有100个，每一次查询的时间用1毫秒，二分查找
算法运行时间1、logN、N、NlogN 、N^2、N^3、2^n之间的比较
lzw17750614592的博客
10-14 3493
排序算法中，常常要求我们估算出最坏情况运行时间和平均情况/期望运行时间。在估算运行时间时，我们常用到下面一些时间量：  1  大部分程序的大部分指令之执行一次，或者最多几次。如果一个程序的所有指令都具有这样的性质，我们说这个程序的执行时间是常数。  logN   如果一个程序的运行时间是对数级的，则随着N的增大程序会渐渐慢下来，如果一个程序将一个大的问题分解成一系列更小的问题，每...
时间复杂度2的n次方_老码农为你解析时间复杂度与空间复杂度
weixin_34722747的博客
01-26 5635
1.算法（Algorithm）是指用来操作数据、解决程序问题的一组方法。对于同一个问题，使用不同的算法，也许最终得到的结果是一样的，但在过程中消耗的资源和时间却会有很大的区别。2.不同算法之间的优劣从算法所占用的「时间」和「空间」两个维度去考量。时间维度：是指执行当前算法所消耗的时间，我们通常用「时间复杂度」来描述。空间维度：是指执行当前算法需要占用多少内存空间，我们通常用「空间复杂度」来描述。因...
输入n个数，最坏情况下用 n + logn - 2 次比较找出当中的最大值和次大值（3种做法）
qq_36523667的博客
12-17 3361
这个题我一开始是递归 从底层出发 比到顶层 显然时间复杂度不允许后来想了一种n时间复杂度的开两个数用来维护最大值和最小值就可以了，什么意思呢比如 1 3 6 2 8 4 0 0 8是我们要求的数组int last = Integer.Min_Value;int cur = Integer.Min_Value;分别代表了上一个最大值和当前最大值我们走到a[0] cur = 1到a[1] cur=3 ...
【位操作笔记】计算以10为底整数N的对数 普通方法
10-02 3486
用于计算以10为底整数N的对数log10Nlog_{10}Nlog10​N。例如 log10100=2log_{10}100=2log10​100=2，log101000=3log_{10}1000=3log10​1000=3。以10为底整数N的整数对数log10Nlog_{10}Nlog10​N，当 N 为 32 位非零整数时，整数对数log10Nlog_{10}Nlog10​N的值一共只有 0 - 9 这10种情况，所以这个普通方法就是通过判断整数N的值的大小来获取对数log10Nlog_{10}Nlo
关于复杂度的思考
zhangjiaji111的博客
11-02 4319
给出题目，先看问题规模，进而来判断时间复杂度，来推断算法知识点 - 常见的时间复杂度： 二分查找：logn 排序函数：nlogn 如果个人经验不够，那就选择不超过10^8。题目通常是1s。 时钟周期：2.5Ghz = 2500000000hz=2.5*10^9hz N=10000000——O(n)，只准遍历一遍，不准排序。 N=100000——O(nlogn)，可能有排序，或者二分。 N=20——O(2^N)，指数时间，二进制枚举。 N=1000, O(N^3), 1s，只有或运算。——值得尝试。 N=10
排序算法总结
l1394049664的博客
08-06 1971
目录 一、冒泡（n*n） 二、选择（n*n） 三、插入（n*n） 四、希尔排序（n*n） 五、快速排序( O(N*logN)) 六、堆排序 O(N*logN) 七、归并排序 O(N*logN) 八、基数排序(正数) 九、桶排序 十，计数排序 总结： 冒泡：在没有改进算法的情况下都是N*N，使用一个标志，一次遍历没有交换就结束（当数组是正序N） 插入：最好N（就是已经安装要...
【算法导论系列】开篇，与时间复杂度
dingzr2001的博客
06-06 3221
时间复杂度以及O, Θ, Ω三个符号的详细说明及应用
数据结构 PTA 绪论
GERMANYozil的博客
12-22 4388
1-1 数据项是数据的最小单位。 (T) 数据项是数据不可分割的最小单位 1-2 数据元素是数据的最小单位。 (F) 数据项是数据不可分割的最小单位 数据元素是数据的基本单位 1-3 数据的逻辑结构是指数据的各数据项之间的逻辑关系。 (F) 数据的逻辑结构是数据元素之间的逻辑关系 1-4 数据结构概念包括数据之间的逻辑结构、数据在计算机中的存储方式和数据的运算三个方面。 (T) 逻辑结构、存储结构...
数据结构1：算法复杂度分析
HGGshiwo的博客
10-25 7136
复杂度分析 声明的赋值度： 无 每条赋值的复杂度：1 每条判断的复杂度：1 判断的分支：计算所有情况中复杂度较大者 返回return的复杂度：1 但是注意若一个函数中有多个return ，执行时只执行其中一个，只能算一次。 若返回return中仍有表达式，不算复杂度 float rsum ( float list[ ], int n ) { /* add a list of numbers */ if ( n ) //判断 1 return rsu
时间复杂度和空间复杂度计算
wf2397108372的博客
04-29 894
常用的几种复杂度级别(复杂度从低到高排序)： O(1) 常数级 O(logn) 对数级 O(n) 线性级 O(nlogn) 线性对数级 O(n2 n3 nk) k次方级 O(n!) 阶乘级 O(2n) 指数级 时间复杂度全称渐进时间复杂度，表示算法的运行时间与数据规模之间的增长关系 空间复杂度全称渐进空间复杂度，表示算法的存储空间与数据规模之间的增长关系 O(1) int a = 0 O(...
算法复杂度——时间复杂度
无与伦比BLOG
10-15 435
大O表示法 算法复杂度可以从最理想情况、平均情况和最坏情况三个角度来评估，由于平均情况大多和最坏情况持平，而且评估最坏情况也可以避免后顾之忧，因此一般情况下，我们设计算法时都要直接估算最坏情况的复杂度。 大O表示法O(f(n)中的f(n)的值可以为1、n、logn、n²等，因此我们可以将 O(1)、O(n)、O(logn)、O(n²)分别可以称为常数阶、线性阶、对数阶和平方阶， 那么如...
算法-复杂度（n）和log(n) 区别
最新发布
小雨点的博客
06-27 979
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；
根号n和logn谁增长得快
03-27
根号n增长得比logn快。 这是因为当n增大时，根号n的增长速度会更快，而logn的增长速度会变得更慢。 举个例子，当n=100时，根号n≈10，而logn≈2。当n=10000时，根号n≈100，而logn≈4。显然，根号n的增长速度比logn要快得多。 因此，当我们需要比较两个函数的增长速度时，根号n通常比logn增长得更快。
评论 2
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

打赏作者

再让我学一会吧！

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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