Fatal编程技术网
  • algorithm/
  • Algorithm 如何找出函数中的大Oh复杂性

Algorithm 如何找出函数中的大Oh复杂性

algorithm

Algorithm 如何找出函数中的大Oh复杂性,algorithm,Algorithm,如何确定这两个函数之间的顺序：n^（2.5）&100n^（2/3） 另外，对于日志（n！） 函数没有大O复杂性。Big-O复杂性度量是针对实现函数的算法的 举例来说，这些函数中的每一个（理论上）都可以实现为一个巨大的查找表，这将提供O（1）性能。不太实际。。。但这不是重点 给那些不“明白”的人的提示。您可以使用big-O表示法来描述函数，但这不是函数复杂性的度量。这只是说明函数在大（足够）参数下的行为的一种方式。复杂性是关于计算过程的特征，函数不知道它们是如何计算的。事实上，它们甚至不需要是可计

如何确定这两个函数之间的顺序：
n^（2.5）
&
100n^（2/3）
另外，对于
日志（n！）

函数没有大O复杂性。Big-O复杂性度量是针对实现函数的算法的

举例来说，这些函数中的每一个（理论上）都可以实现为一个巨大的查找表，这将提供
O（1）
性能。不太实际。。。但这不是重点

给那些不“明白”的人的提示。您可以使用big-O表示法来描述函数，但这不是函数复杂性的度量。这只是说明函数在大（足够）参数下的行为的一种方式。复杂性是关于计算过程的特征，函数不知道它们是如何计算的。事实上，它们甚至不需要是可计算的

另一方面，如果这些函数是性能函数，取决于某个参数
n
，您会问如何将它们转换为大O复杂性度量

最好的答案是做数学题。取big-O复杂性的形式定义（可以找到），插入函数
f
并求解
g

如果你的数学技能达不到这一要求，那么另一种选择是获得一些图表纸和计算器，并绘制出当
n
变得非常大时这些函数是如何增长的。但是你需要注意的是，你在观察增长率（不是绝对值），你认为“代码> N< /代码>的值足够大。

< P><强> [编辑] <强> Big-O用于比较算法，用来描述函数的极限行为。

因此，如果给你3个算法的复杂度
O（n^2.5）、O（n^（2/3））和O（logn！）
，来比较这些算法，你会看到它们在
n
非常大的值下的表现。在这种情况下，
n^2.5
大于
n^（2/3）
。因此，
O（n^（2/3））
优于
O（n^2.5）
算法。 对于第三个，我们知道n！logn！。对于非常大的
n
，
logn
将更接近
nlogn
，因此可以推断
logn！>n^2/3

因此，最终的顺序将是
O（n^2/3）

PS：所有比较都是针对非常大的n值进行的。

选择真正大的数字？这是严格的基于证明的数学作业，还是不太精确的@qwertymk的建议可能对第二个有好处，但第一个可能没有帮助。假设您实际要做的是将这些函数从最简单的到最复杂的排序。Big-O表示函数（）。并且可以用于算法。@KarolyHorvath:啊，是的！我的意思是说函数没有大o复杂度。谢谢。如果给出4n^2，log3（n），20n，n^2.5，log（n！），n^n，3^n，n log（n），100n^（2/3），2^n，2^（n+1），n！，（n-1）！，2^2n顺序（其大O复杂性的递增顺序）为log3（n）<20n