xinyin025/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2026-07-12 07:26:07 +00:00
Code Issues Packages Projects Releases Wiki Activity

deploy

Browse Source
This commit is contained in:
krahets
2023-04-09 02:53:32 +08:00
parent c6da3ca087
commit fc4021ea99
14 changed files with 202 additions and 202 deletions
Download Patch File Download Diff File Expand all files Collapse all files
chapter_computational_complexity/summary/index.html
+2 -2
View File
@@ -1763,8 +1763,8 @@
<h3 id="_2">时间复杂度<a class="headerlink" href="#_2" title="Permanent link">&para;</a></h3>
<ul>
<li>时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可能失效，如在输入数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。</li>
<li>最差时间复杂度使用大 <span class="arithmatex">\(O\)</span> 符号表示，即函数渐进上界，反映当 <span class="arithmatex">\(n\)</span> 趋向正无穷时，<span class="arithmatex">\(T(n)\)</span> 的增长级别。</li>
<li>推算时间复杂度分为两步，首先统计计算操作数量，然后判断渐进上界。</li>
<li>最差时间复杂度使用大 <span class="arithmatex">\(O\)</span> 符号表示，即函数渐近上界，反映当 <span class="arithmatex">\(n\)</span> 趋向正无穷时，<span class="arithmatex">\(T(n)\)</span> 的增长级别。</li>
<li>推算时间复杂度分为两步，首先统计计算操作数量，然后判断渐近上界。</li>
<li>常见时间复杂度从小到大排列有 <span class="arithmatex">\(O(1)\)</span> , <span class="arithmatex">\(O(\log n)\)</span> , <span class="arithmatex">\(O(n)\)</span> , <span class="arithmatex">\(O(n \log n)\)</span> , <span class="arithmatex">\(O(n^2)\)</span> , <span class="arithmatex">\(O(2^n)\)</span> , <span class="arithmatex">\(O(n!)\)</span> 等。</li>
<li>某些算法的时间复杂度非固定，而是与输入数据的分布有关。时间复杂度分为最差、最佳、平均时间复杂度，最佳时间复杂度几乎不用，因为输入数据一般需要满足严格条件才能达到最佳情况。</li>
<li>平均时间复杂度反映算法在随机数据输入下的运行效率，最接近实际应用中的算法性能。计算平均时间复杂度需要统计输入数据分布以及综合后的数学期望。</li>