2
A
回答
2
Big O符號有點棘手,因爲它只定義了給定算法的執行時間的上限。
這是什麼意思,如果f(x) = O(g(x))
那麼對於其他函數h(x)
這樣g(x) < h(x)
你將有f(x) = O(h(x))
。問題是,那些過時的執行時間是否有用?而明確的答案根本就不是。通常你會得到的是「最小」 上限,但這並不是嚴格要求的定義,所以你可以玩弄它。
你可以得到一些更嚴格的使用其他符號,如大西塔,你可以閱讀here約束。
所以,回答你的問題是肯定的,A(n) = O(W(n))
,但這並不會給算法的任何有用的信息。
1
如果你提到A(n)和W(n)是函數 - 那麼,是的,你可以在普通情況下這樣做 - 這是因爲big-o formal definition。
注意,在上big-o方面有沒有意義,這樣的行爲方式 - 因爲它使真正的複雜性更差的理解。 (一般來說,3例 - 最差的,平均而言,最好的 - 正是目前顯示的複雜性更清晰)
0
我不確定你要問什麼,但牢記以下。
用於顯示平均和最差情況下運行時間複雜度之間的差異的典型算法是快速排序,選擇的樞軸選項很差。
平均與未排序的數據的隨機樣本,運行時的複雜性是n log(n)
。但是,對於從列表的前端/末端取得樞軸的已有數據集,運行時複雜度爲n^2
。
1
是的,這樣說並不是一個錯誤。
人們用漸近記法來傳達運行時間在特定的情況下在輸入方面sizes.To比較最壞的情況下複雜的平均情況複雜度的增長並沒有提供多少洞察理解上兩種情況中的作用的增長。
雖然沒有錯,但它不能提供比我們已知的更多信息。
相關問題
- 1. 最佳,最差和平均情況下運行時間
- 2. 合併排序算法的最佳運行時間和平均運行時間
- 3. 計算遞歸算法的最壞情況運行時間複雜度
- 4. 計算算法的最壞情況下運行時間複雜度
- 5. 平均數計算最壞的情況下,最好的情況下和平均情況下的複雜性
- 6. 時間複雜度 - 計算算法的最壞情況
- 7. 跟蹤最壞情況執行時間
- 8. 確定最壞情況算法的時間複雜性
- 9. 最壞的情況下運行時間(大O)
- 10. 證明QuickSort的最壞情況下運行時間
- 11. 最壞情況下的時間複雜
- 12. 要計算算法的最壞情況運行時間函數,要遵循的步驟是什麼?算法
- 13. 最佳情況和最壞情況下的時間複雜度
- 14. 平均情況與攤銷分析之間的區別
- 15. 計算unix時間戳之間的平均時間
- 16. 我需要幫助瞭解運行時間和最壞情況
- 17. 最壞情況下運行時間大O
- 18. 提供一個方法的最壞情況下運行時間的示例
- 19. 線性搜索算法的平均個案運行時間
- 20. 的Java計算平均執行時間
- 21. 矩陣乘法最壞的情況下,最好的情況下和平均情況下的複雜性
- 22. 記錄之間的平均時間MySQL
- 23. Prim算法的最壞情況圖
- 24. 算法的最壞情況複雜度
- 25. 計算兩個不同表的列之間的平均時間
- 26. 平均時間計算
- 27. 計算TIMEPERIOD之間的平均值
- 28. 平均時間系列apply.daily(
- 29. 計算Ruby中日期時間之間的平均天數
- 30. 用pySpark計算用戶事件之間的平均時間
細節:'A(n)'實際上是'O(W(n))'的一個*元素*。 – phimuemue
是的..明白這一部分..希望它是隱含的.. – abipc