<分区>
我真的不知道“Big-O”是什么以及如何在实践中使用它,所以我希望有人能给我一个简单的解释,也许还有一些 java 编程示例。
我有以下问题:
这些术语是什么意思(尽可能简单)以及它们在 java 中的用法: BigO(1)、BigO(n)、BigO(n2) 和 BigO(log(n)) ?
如何根据现有的 Java 代码计算 Big-O?
- 你如何使用大 O 排序
- 你如何使用 Big-O 递归
希望有人能够提供帮助。
谢谢你
<分区>
我真的不知道“Big-O”是什么以及如何在实践中使用它,所以我希望有人能给我一个简单的解释,也许还有一些 java 编程示例。
我有以下问题:
这些术语是什么意思(尽可能简单)以及它们在 java 中的用法: BigO(1)、BigO(n)、BigO(n2) 和 BigO(log(n)) ?
如何根据现有的 Java 代码计算 Big-O?
希望有人能够提供帮助。
谢谢你
最佳答案
大 O 用于说明算法随着输入大小的增加而扩展的速度有多快
O(1) 意味着随着输入大小的增加,运行时间不会改变
O(n) 表示随着输入大小加倍,运行时间将或多或少加倍
O(n^2) 意味着当输入大小加倍时,运行时间将或多或少翻两番
O(f(n)) 表示随着输入大小加倍,运行时间将增加到 f(2n) 左右
关于 Big-O、排序和递归。
Big-O 排序并不是真正的算法。但是,您可以使用 Big O 来告诉您排序算法的速度。
为了计算递归函数的 Big-O,我建议使用 Master Theorem .
确定 Big O 的准则:
通常,您需要确定输入的大小(例如数组长度,或链表中的节点数等)
然后问问自己,如果输入大小加倍会怎样?还是三连? 如果您有一个遍历每个元素的 for 循环:
//say array a has n elements
for (int i = 0; i < n; i++) {
// do stuff
a[i] = 3;
}
然后将 n 加倍会使循环运行两倍的时间,所以它是 O(n)。将 n 增加三倍会使它花费的时间增加三倍,因此代码与输入大小成线性比例。
如果你有一个二维数组和嵌套的 for 循环:
// we say that each dimension of the array is upper bounded by n,
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
// do stuff
a[i][j] = 7;
}
}
当 n 加倍时,代码将花费 2^2 = 4 倍的时间。如果输入大小增加三倍,代码将花费 3^2 = 9 倍的时间。所以大 O 是 O(n^2)。
关于java - Big-O在java中的简单解释和使用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17118210/