渐进记号 Asymptotic Notations-------geeksforgeeks 翻译

　　我们已经简单的讨论了下渐进分析以及最坏，平均和最佳情况的分析。渐进分析的主要思想是分析算法的效率，不用依靠计算机的具体快慢，不需要实现这个算法，也不需要真正去计算时间。渐进记号是一种数学的工具来表示渐进分析算法的时间复杂度。下面列出三种最常用的渐进符号来表示算法的时间复杂度。

1.θ Notation:

theta 符号是用来确定算法性能的上界限和下界限，简单的来说计算Θ符号可以扔掉低阶项，忽略高阶项的系数。举例：3n³+6n²+6000 = θ(n³)。扔掉低阶的项是OK的因为θ(n³) 肯定是比θ(n²)大的。我们用g(n) 来表示θ中的数值

Θ(g(n)) = {f(n): 存在正数常数 C1 C2 和 n0 使得 0 <= c1*g(n) <= f(n) <= c2*g(n) for all n >= n0} 

在上面的定义中，如果f(n) 是 g(n)的θ中的内容，那么f(n)的值肯定是在 c1*g(n) 和c2 * g(n) 之间 当n 的值很大的情况下。还有一个条件是 f(n)必须是一个非负数。

2.Big O Notation:

大O符号用来表示算法的上界限，举一个插入排序的例子，最佳情况下插入排序会在线性时间里完成(n)，而最坏的可能是在二次时间内完成(n²)。所以我们可以很保险的说插入排序的时间复杂度是O(n²)，因为这也包括了线性时间如果我们用θ符号来表示插入排序的时间复杂度，我们必须用两个可能性，最坏的和最好的：1.最坏的时间复杂度是 θ(n²)。2.最好的时间复杂度是 θ(n)。当我们只知道算法复杂度的上界限时，大O符号很有用。很多情况下，我们简单的分析一下算法就能很简单的找到上界限。

O(g(n)) = { f(n): 存在正数常数 C 和 n0 使得

　　　　　　　　　　 0 <= f(n) <= cg(n) for all n >= n0}

3) Ω Notation:就像O符号一样，Ω符号是找算法渐进分析的下界限。Ω符号在我们知道下界限的时候很有用，就像我们在上一个文章说到的，最佳情况的运行时间到多数情况下是没什么用的。所以Ω符号在三个渐进分析符号中是最没什么用的。和之前一样，我们用插入排序举例，插入排序的运行时间可以写作Ω(n)。但是这不是一个很有用的信息。所以我们一般只对平均情况和最坏的情况感兴趣。

Ω (g(n)) = {f(n): 存在正数常数 C 和 n0 使得

　　　　　　　　　　0 <= cg(n) <= f(n) for all n >= n0}.


Exercise:Which of the following statements is/are valid?1. Time Complexity of QuickSort is Θ(n^2)2. Time Complexity of QuickSort is O(n^2)3. For any two functions f(n) and g(n), we have f(n) = Θ(g(n)) if and only if f(n) = O(g(n)) and f(n) = Ω(g(n)).4. Time complexity of all computer algorithms can be written as Ω(1)

我觉得是2,3

转载于:https://www.cnblogs.com/zhurui1322/p/5355818.html

渐进记号 Asymptotic Notations-------geeksforgeeks 翻译相关推荐

算法分析之-渐进记号
渐进记号渐进记号分为:Θ().Ω().ω().O().o() 1. Θ记号 f(n)=Θ(g(n))f(n) = \Theta(g(n))f(n)=Θ(g(n)) 存在正常数C1,C2和n0,使得对 ...
算法设计与分析——算法学基础（三）：渐进记号
分类目录:<算法设计与分析>总目录相关文章: 算法学基础(一):算法学概述算法学基础(二):分析算法算法学基础(三):渐进记号第<算法学基础(二):分析算法>中定义了算 ...
GeeksForGeeks 翻译计划 | ApacheCN
GeeksForGeeks 是计算机科学百科,涵盖了所有计算机科学核心课程. 本项目的目标是翻译 GeeksForGeeks 站点内的一部分教程. 这些教程适用于: APCS 本科专业课研究生考试 ...
GeeksForGeeks 翻译计划
GeeksForGeeks 是计算机科学百科,涵盖了所有计算机科学核心课程,可用于准备面试以及考前复习. 考虑到中文互联网世界中,没有如此全面的知识站点,我将其爬取了下来,放到 YiyiBook 上, ...
渐进记号的相关证明（使用极限的方式）
⎧⎩⎨⎪⎪⎪⎪⎪⎪ limf(n)g(n)>0⇔f(n)=Θ(g(n))limf(n)g(n)=0⇔f(n)=o(g(n)) \left\{ \begin{split}\ \lim\frac{f ...
放缩法 —— 渐进记号的相关证明
1. max(f(n),g(n))max(f(n),g(n))\max (f(n), g(n)) max(f(n),g(n))=Θ(f(n)+g(n))max(f(n),g(n))=Θ(f(n)+g( ...
CLRS 3.1渐进记号
3.1-1 设 ∃n1,n2:f(n)≥0g(n)≥0for n>n1for n>n2 \begin{align} \exists n_1,n_2: &f(n) \geq 0 &a ...
[翻译] 神经网络与深度学习第三章提升神经网络学习的效果 - Chapter 3 Improving the way neural networks learn
目录: 首页译序关于本书关于习题和难题第一章利用神经网络识别手写数字第二章反向传播算法是如何工作的 > 第三章提升神经网络学习的效果第四章可视化地证明神经网络可以计算任何函数 ...
经典神经网络论文超详细解读（八）——ResNeXt学习笔记（翻译＋精读＋代码复现）
前言今天我们一起来学习何恺明大神的又一经典之作: ResNeXt(<Aggregated Residual Transformations for Deep Neural Networks&g ...
算法分析(渐进分析）
目录 1.T(n)函数 2.渐进分析 2.1渐进紧确界(θ记号) 举例 2.2渐进上界 (O记号) 举例 2.3渐进下界 (Ω记号) 举例 3.常用的换算公式 3.1举例证明算法分析分为算法时间复杂 ...

渐进记号 Asymptotic Notations-------geeksforgeeks 翻译

渐进记号 Asymptotic Notations-------geeksforgeeks 翻译相关推荐

最新文章

热门文章