22 lines
1.9 KiB
Markdown
22 lines
1.9 KiB
Markdown
---
|
|
title: Asymptotic Notation
|
|
localeTitle: تدوين مقارب
|
|
---
|
|
## تدوين مقارب
|
|
|
|
كيف نقيس قيمة أداء الخوارزميات؟
|
|
|
|
ضع في اعتبارك كيف يكون الوقت أحد أهم مواردنا. في الحوسبة ، يمكننا قياس الأداء مع مقدار الوقت الذي تستغرقه العملية لإكمالها. إذا كانت البيانات التي تتم معالجتها بواسطة خوارزميات هي نفسها ، فيمكننا اتخاذ قرار بشأن أفضل تنفيذ لحل مشكلة ما.
|
|
|
|
نقوم بذلك عن طريق تحديد الحدود الرياضية لخوارزمية. هذه هي كبيرة O ، كبيرة أوميغا ، ثيتا كبيرة ، أو علامات مقاربة لخوارزمية. على الرسم البياني ، ستكون O الكبيرة هي أطول خوارزمية يمكن أن تأخذها لأي مجموعة بيانات معينة ، أو "الحد الأعلى". الأوميغا الكبيرة تشبه عكس O- الكبيرة ، "الحد الأدنى". حيث تصل الخوارزمية إلى أعلى سرعة لأي مجموعة بيانات. ثيتا الكبيرة هي إما قيمة الأداء الدقيق للخوارزمية ، أو نطاق مفيد بين الحدود العليا والسفلى الضيقة.
|
|
|
|
بعض الأمثلة:
|
|
|
|
* "سيكون التسليم هناك خلال حياتك." (big-O، upper-bound)
|
|
* "يمكنني أن أدفع لك ما لا يقل عن دولار واحد." (أوميغا الكبيرة ، الحد الأدنى)
|
|
* "سيكون ارتفاع اليوم 25 درجة مئوية وسيكون القاع 19 درجة مئوية." (ثيتا كبيرة ، ضيقة)
|
|
* "إنه على بعد كيلومتر من الشاطئ." (كبير ثيتا ، بالضبط)
|
|
|
|
#### معلومات اكثر:
|
|
|
|
* [تدوين مقارب](https://learnxinyminutes.com/docs/asymptotic-notation/) |