本文详细探讨了大O符号在算法分析中的应用，包括二分查找的时间复杂度为O(log N)，当M远小于N时O(N+M)可简化为O(N)，以及递归算法可能导致指数级运行时间如斐波那契数列。同时提到了字符串排列的难点和使用记忆化优化递归算法以达到线性时间复杂度O(N)。
Big O
-
Binary search 的runtime 是O(log N)。 推导过程：
-
对于所有O(N+M), 当M<<N，则可以将O(M)忽略， 简化为O(N)。
-
对于所有O(kN), k为自然数，也可以将k忽略，简化为O(N)。
-
Permutation of a string**(难点)**
-
当一个算法是recursive的时候，runtime为exponential。 2 的n次方。例如，斐波那契数列。严格上来讲，通常为1.6的n次方 。
-
易错题
-
*Memorisation: 是一种优化recursive的exponential时间的算法。可简化为O(N)。具体见下：
-
Tricky question:
扫一扫
3778
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
