算法分析中常用的近似函数:
对于算法而言,其常见的大O表示方式的时间复杂度的比较如下:
O(1)<O(log2n)<O(n)<O(nlog2n)<O(n2)<O(n3)(其中n—>∞,当然,这里的∞并不是数学意义上的无穷,在这只是用于表示”很大但是有限”的概念),其中O(log2n)经常被写为O(lgn),这里需要和数学上的O(lgn)进行区分
Ps:对于应用而言,要将算法应用在数据量较大的程序中时,其最多只能达到O(nlog2n),对于O(n2)的算法,其在数据量较大的时候,处理的时间较长,为此,一般而言,不使用O(n2)的算法,进行大数据量的时候的使用,当然,具体还得看需要进行解决的问题,因为算法本身就是对特定问题进行求解的步骤的一种描述
本文详细介绍了算法分析中常用的大O表示法,通过对比O(1)到O(n3)的不同时间复杂度,解释了这些复杂度对算法效率的影响。特别指出在处理大数据时,O(nlog2n)通常是最佳选择。
1221

被折叠的 条评论
为什么被折叠?



