22 lines
1.2 KiB
Markdown
22 lines
1.2 KiB
Markdown
|
---
|
|||
|
title: Asymptotic Notation
|
|||
|
localeTitle: 渐近符号
|
|||
|
---
|
|||
|
## 渐近符号
|
|||
|
|
|||
|
我们如何衡量算法的性能价值?
|
|||
|
|
|||
|
考虑时间是我们最宝贵的资源之一。在计算中,我们可以根据流程完成所需的时间来衡量绩效。如果两个算法处理的数据相同,我们可以决定解决问题的最佳实现。
|
|||
|
|
|||
|
我们通过定义算法的数学极限来做到这一点。这些是大O,大omega和big-theta,或算法的渐近符号。在图表上,对于任何给定的数据集,或者“上限”,big-O将是最长的算法。 Big-omega就像big-O的对立面,即“下界”。这就是算法达到任何数据集的最高速度的地方。 Big theta要么是算法的确切性能值,要么是窄上限和下限之间的有用范围。
|
|||
|
|
|||
|
一些例子:
|
|||
|
|
|||
|
* “在你的生命中,交付将在那里。” (大O,上限)
|
|||
|
* “我可以给你至少一美元。” (大欧米茄,下界)
|
|||
|
* “今天的高点将是25ºC,低点将是19ºC。” (big-theta,狭窄)
|
|||
|
* “距离海滩只有一公里的路程。” (big-theta,确切)
|
|||
|
|
|||
|
#### 更多信息:
|
|||
|
|
|||
|
* [渐近符号](https://learnxinyminutes.com/docs/asymptotic-notation/)
|