Fatal编程技术网
  • performance/
  • Performance 以下代码在大O表示法中的时间复杂度是多少？

Performance 以下代码在大O表示法中的时间复杂度是多少？

performance algorithm big-o time-complexity

Performance 以下代码在大O表示法中的时间复杂度是多少？,performance,algorithm,big-o,time-complexity,Performance,Algorithm,Big O,Time Complexity,T（n）=8*T（n/2）+n*n T（n）=3*T（n/4）+n 我想用大O表示法计算时间复杂度。答案是什么（不使用主定理）主定理适用于T（n）=a*T（n/b）+n^c形式的任何递归。它查看并比较了重复周期的两个部分： 1） 此级别的恒定功的大小（c） 2） 递归调用的数量和大小（a和b） 从这里，我们将log_b（a）与c进行比较。有三种可能性 log\u b（a）>c->T（n）isO（n^log\u b（a）） log\u b（a）T（n）是O（n^c） log_b（a）=c->T（n

T（n）=8*T（n/2）+n*n

  • T（n）=3*T（n/4）+n

    • 我想用大O表示法计算时间复杂度。答案是什么（不使用主定理）

    主定理适用于
    T（n）=a*T（n/b）+n^c形式的任何递归。它查看并比较了重复周期的两个部分：
    
1） 此级别的恒定功的大小（c）
2） 递归调用的数量和大小（a和b）
    
从这里，我们将log_b（a）与c进行比较。有三种可能性
    

  • log\u b（a）>c
    ->
    T（n）
    is
    O（n^log\u b（a））
    • 

  • log\u b（a）
    ->
    T（n）
    是
    O（n^c）
    • 

  • log_b（a）=c
    ->
    T（n）
    是
    O（n^c log（n））
    • 
所以对于你的两个例子
    

  • T（n）=8*T（n/2）+n*n
    ，因此
    a=8，b=2，c=2
    ，
    logu2（8）>2
    ，因此
    T（n）
    是
    O（logu2（8））
    =
    O（n^3）
    • 

  • T（n）=3*T（n/4）+n
    ，因此
    a=3，b=4，c=1
    ，
    log_4（3）<1
    ，因此
    T（n）
    是
    O（n^c）
    =
    O（n）
    • 

    对于第一个关系，您可以执行以下操作：
    

    答案是应用主定理。你能解释一下主定理是如何工作的吗？有人知道为什么我在添加这个问题时投了4张反对票吗？因为你不必在谷歌上搜索“主定理”，而只是希望其他人为你做工作。StackOverflow旨在帮助人们回答他们自己无法轻松回答的问题。通过在Wiki上查看master定理，我无法理解它。