Java 背包算法与凸壳

我正在学习算法分析课程，我有java的算法作业。我写了这个程序，效果很好。然而，我的老师想报告关于与最坏情况下的结果进行比较的额外分数。这是什么意思？我如何比较？第一种是凸包算法，第二种是背包算法。我的凸包的复杂性n^3它有最坏的情况。他为什么要在最坏的情况下自杀？我的背包算法复杂度是（n*2^n）。你能帮我吗？

你被要求比较算法的渐近复杂性，并用一些数据加以证实。这将为您提供一些关于复杂性和实际运行时之间的联系的概述

他们要求最坏的情况，因为通常情况下，这是你可以为你的解决方案提供的保证。例如，如果算法在第一次尝试时就遇到了问题，那么背包可能会立即工作n=1000，但你不能保证它会工作于任何大小的输入（需要的时间太长）

---

现在，你已经有了复杂度，所以O（n^3）要求您比较算法的渐进复杂性，并用一些数据加以证实。这将为您提供一些关于复杂性和实际运行时之间的联系的概述

他们要求最坏的情况，因为通常情况下，这是你可以为你的解决方案提供的保证。例如，如果算法在第一次尝试时就遇到了问题，那么背包可能会立即工作n=1000，但你不能保证它会工作于任何大小的输入（需要的时间太长）

---

现在，你已经有了复杂度，所以O（n^3）您已经解决了O（n log n）中的背包决策问题吗？恭喜你，你什么时候拿到图灵奖？提示：背包的决策问题是NP难的。。。这可能也暗示了为什么最坏情况分析很重要。这实际上是两个问题。问题到底是什么？为什么研究最坏情况下的渐近行为是有意义的？确切的问题是测量不同点数的运行时间并观察收敛行为。与最坏情况下的渐近结果进行比较。您的结果是否证实了最坏情况分析@你已经解决了O（n logn）中的背包决策问题了吗？恭喜你，你什么时候拿到图灵奖？提示：背包的决策问题是NP难的。。。这可能也暗示了为什么最坏情况分析很重要。这实际上是两个问题。问题到底是什么？为什么研究最坏情况下的渐近行为是有意义的？确切的问题是测量不同点数的运行时间并观察收敛行为。与最坏情况下的渐近结果进行比较。您的结果是否证实了最坏情况分析@密码子