"알고리즘 소개"를 읽었으며 저자가 "0보다 큰 경우 임의의 선형 함수 an + b
이 O (n^2)에 인 경우 더 놀라운 것은 무엇입니까?"라는 제 3 장에 계속 붙어 있습니다. Can 아무도 그걸 증명할 방법을 설명하지 않습니까?+ b = O (n^2)의 시간 복잡도?
-1
A
답변
2
선형 함수를 정의하여 an + b
O(n^2)
이다 충분히 큰 n
들어 an + b
c = 1
예를 들어, 상수 미만 cn^2
이다.
O(n^2)
은 상한선이지만 딱딱하지는 않습니다. 더 단단한 경계는 더 엄격한 경계 (이 경우 O(n)
상한)를 증명할 수 있으면 매우 유용하지 않습니다.
1
직감의 경우, "big O"표기법의 개념은 충분히 큰 입력에서 시작하여 비용 함수가 O (...)보다 빠르게 증가하지 않는다는 것입니다. 그것이 모두 상한 경계 일뿐입니다. 선형 함수는 차 함수, 차 함수, 그들은 모두 빠른 성장 지수 함수 등보다 더 빨리 성장하지 않는
는, 따라서 an + b
는 O(n^2)
뿐만 아니라 O(n^3)
, O(2^n)
, O(n!)
이
그러나, 그것은 성장 등이다 로그보다 빠르기 때문에 O(log n)
이라고 말할 수는 없습니다.
관련 문제
- 1. 빅 O 시간 복잡도 = I +
- 2. 코드의 O(), θ() 및 Ω() 시간 복잡도
- 3. 다음 코드의 시간 복잡도 (big-O 표기법)?
- 4. 시간 복잡도
- 5. 시간 복잡도
- 6. 시간 복잡도 O (N) 또는 O (Log N)입니까?
- 7. 시간 복잡도 :
- 8. Big-O 복잡도 결정
- 9. 비 - 큰 O 복잡도
- 10. 루프의 Big-O 복잡도
- 11. O (fib n) 복잡도 알고리즘?
- 12. Erlang dict의 시간 복잡도
- 13. 알고리즘의 시간 복잡도
- 14. 최악의 시간 복잡도 목록
- 15. 알파 베타 검색 시간 복잡도
- 16. 정렬 계산의 시간 복잡도
- 17. Scala의 Map.clear의 시간 복잡도
- 18. 시간 복잡도 설명 추가시
- 19. Java ArrayList의 시간 복잡도
- 20. BST 생성 시간 복잡도
- 21. 시간/공간 복잡도() 메소드
- 22. O 표기법의 알고리즘 복잡도 순서
- 23. 최악의 경우 시간 복잡도
- 24. 데이터베이스 쿼리 시간 복잡도
- 25. 아래 코드의 시간 복잡도
- 26. 시간 복잡도 알고리즘 분석
- 27. 접두사 합계 시간 복잡도
- 28. 전철 어구 시간 복잡도
- 29. 셸 정렬의 시간 복잡도?
- 30. 시간 복잡도/그래프 이론
"3 장"보다 구체적인 위치를 제공 할 수 있습니까, 아니면 적어도이 문맥에서 "an Cb"라는 표기법을 설명 할 수 있습니까? – Gassa