Search
--限時免費中，申請 coupon code 請在下方留言--
本課程教授一系列綜合基礎和高階資料結構和演算法，這是科技公司程式設計面試的重要主題。
該課程與一個 C# GitHub 開源專案(使用者名稱: PiJei，repository 名稱: AlgorithmsAndDataStructures )配對，每個演算法都被標記為其空間和時間複雜度(Big o) ，並用本課程中使用的完全相同的範例測試其正確性。
https://softnshare.com/data-structures-and-algorithms-x/
一般談論的演算法之複雜度，經常是指Big-O，因為在估算成本時，最想知道的是「上界(upper bound)」，以第一小節的範例來說，就是要知道印N本書，每台機器「最久」要花多少 ... ... <看更多>
B for Big O Notation為了解決同一個問題的演算法可能有非常多種，那要怎麼判斷這些演算法的好壞呢？大O符號與 時間複雜度 又是什麼呢？ ... <看更多>
時間複雜度big o 在 [其他] 關於時間複雜度（big O）的排序- 看板Math - 批踢踢實業坊 的推薦與評價
大家好，想請教大家一題關於執行程式時，各函數的時間複雜度的排序。
題目將以下所有函數依照時間複雜度O排序，由大到小:
・N^2 + logN
・2^(2^N)
・NlogN
・lnN
・(n+1)!
・lg(lgN)
・n^3
・n!
・(3/2)^N
・2^(logN)
以下是我的排序，時間複雜度最大排到最小的
1. N! , (N+1)! ----這兩個相等 都是O(N)
2. 2^(2^N) ----比O(C^N)又更大
3. (3/2)^N ----O(C^N) (Exponential)
4. 2^(logN) ----比O(C^N)小因為是指數是放logN
5. n^3 ----O(N^3)
6. N^2 + logN ----O(N^2)
7. NlogN ----O(NlogN)
8. lnN ----O(logN)
9. lg(lgN) ----O(loglogN)
想問大家以上的排序正不正確?
我最主要的疑惑是 2^(2^N) , (3/2)^N , 2^(logN) 這三個，
他們都是Exponential的成長速度，但因為指數部分又有包含N在內變數，
所以應該是要照我的排序，還是其實他們三個的時間複雜度都一樣呢?
謝謝!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 103.232.136.184 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1639204484.A.AC6.html
... <看更多>