确定大O符号 [英] Determining Big O Notation

问题描述

我需要帮助理解/干大O符号。我理解它的目的，我只是不知道如何确定给予了一块code中的复杂性。

确定大O符号为每个以下

一个。

  N = 6;
COUT＆LT;＆n种LT;＆LT; ENDL;
 

乙。

  N = 16;
对于（I = 0; I＆n种;我+ +）
    COUT＆LT;＆LT; I＆LT;＆LT; ENDL;
 

℃。

  I = 6;
N = 23;
而（ⅰn种）{
    的cout＆其中;＆所述I-6≤;＆所述; ENDL;
    我++;
}
 

Ð。

  INT一个[] = {1，3，5，7，9，11，13，15，17，19};
N = 10;
对于（I = 0; I＆n种;我+ +）
    A [1] = A [1] * 2;
对于（i = 9; I＆GT; = 0;我 - ）
    的cout＆其中;＆其中;一[1]  - ;＆所述; ENDL;
 

如

 总和= 0;
N = 6;
K = POW（2，N）;
对于（i = 0; I＆LT; k;我++）
    总和=总和+ K;
 

解决方案

大O表示复杂性你的算法。

基本的东西：

• 在这种复杂的测量有关的条目大小
• 您选择一个单元操作（通常是做作或比较）
• 您算多少时间这种操作称为
使用复杂的时候，所以如果操作数是3 *
• 在一个常数项或常数因子通常被忽略ñ^ 3 + 12它简化为n ^ 3也标志着为O（n ^ 3）

）将只运行一次，没有循环，复杂性是微不足道这里 O（1）

B）拨打N次循环： O（N）

℃。）在这里我们选择来分析N（因为它通常是在一个算法递增变量）。呼叫数为n - 6所以这是 O（N）

ð。）让我们假设在这里，10（n）为您的阵列和九（i）本尺寸减一的大小。对于每一个值设置为n，我们有从0到去到n，则n-1 0 N *（N-1）的操作，技术上： O（N * 2）这部分人大致为 O（N）。这两个被称为线性时间，所不同的是它比戈不关心的直线的斜率。

如）循环从0到POW（2，N），也就是1到2的n次方，概括为 O（2 ^ n）的

I need help understanding/doing Big O Notation. I understand the purpose of it, I just don't know how to "determine the complexity given a piece of code".

Determine the Big O notation for each of the following

a.

n=6;
cout<<n<<endl;

b.

n=16;
for (i=0; i<n; i++)
    cout<<i<<endl;

c.

i=6;
n=23;
while (i<n) {
    cout<<i-6<<endl;
    i++;
}

d.

int a[ ] = {1, 3, 5, 7, 9, 11, 13, 15, 17, 19};
n=10;
for (i=0; i<n; i++)
    a[i]=a[i]*2;
for (i=9; i>=0; i--)
    cout<<a[i]<<endl;

e.

sum=0;
n=6;
k=pow(2,n);
for (i=0;i<k;i++)
    sum=sum+k;

解决方案

Big O indicates the order of the complexity of your algorithm.

Basic things :

• This complexity is measured regarding to the entry size
• You choose a unit operation (usually affectation or comparison)
• You count how much time this operation is called
• A constant term or constant factor is usually ignored when using complexity so if the number of operation is 3*n^3 + 12 it's simplified to n^3 also marked O(n^3)

a.) Will just run once, no loop, complexity is trivial here O(1)

b.) Call n times in the loop: O(n)

c.) Here we choose to analyze n (because it's usually the incrementing variable in an algorithm). The number of calls is n - 6 so this is O(n).

d.) Let's suppose here that 10 (n) is the size of your array and nine (i) this size minus one. For each value to n, we have to go from 0 to n then n-1 to 0. n * (n-1) operations, technically: O(n * 2) which some people approximate as O(n). Both are called Linear Time, what is different is the slope of the line which BigO doesn't care about.

e.) The loop goes from 0 to the pow(2, n), which is 1 to 2^n, summarized as O(2^n)

这篇关于确定大O符号的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！