Quand le grand O a-t-il été utilisé pour la première fois en informatique et quand est-il devenu standard? La page Wikipedia à ce sujet cite Knuth, Big Omicron et Big Omega And Big Theta , SIGACT avril-juin 1976, mais le début de cet article se lit comme suit: La plupart …
Le théorème maître est un bel outil pour résoudre certains types de récurrences . Cependant, nous masquons souvent une partie intégrante lors de son application. Par exemple, lors de l'analyse de Mergesort, nous sommes heureusement passés de T(n)=T(⌊n2⌋)+T(⌈n2⌉)+f(n)T(n)=T(⌊n2⌋)+T(⌈n2⌉)+f(n)\qquad T(n) = T\left(\left\lfloor \frac{n}{2} \right\rfloor\right) + T\left(\left\lceil \frac{n}{2} \right\rceil\right) + f(n) à …
Actuellement, j'étudie moi-même l'introduction aux algorithmes (CLRS) et il y a une méthode particulière qu'ils décrivent dans le livre pour résoudre les relations de récurrence. La méthode suivante peut être illustrée par cet exemple. Supposons que nous ayons la récurrence T( n ) = 2 T( n--√) + journalnT(n)=2T(n)+lognT(n) = …
Souvent, si les complexités ont des constantes telles que 3n, nous négligeons cette constante et disons O (n) et non O (3n). Je n'arrive pas à comprendre comment pouvons-nous négliger ce triple changement? Une chose varie 3 fois plus rapidement qu'une autre! Pourquoi négligeons-nous ce fait?
Construisons deux fonctions satisfaisant:f,g:R+→R+f,g:R+→R+ f,g: R^+ → R^+ f,gf,gf, g sont continus; f,gf,gf, g augmentent de façon monotone; g ≠ O ( f )f≠O(g)f≠O(g)f \ne O(g) et .g≠O(f)g≠O(f)g \ne O(f)
Considérez la récurrence T(n)=n−−√⋅T(n−−√)+cnT(n)=n⋅T(n)+cn\qquad\displaystyle T(n) = \sqrt{n} \cdot T\bigl(\sqrt{n}\bigr) + c\,n pour n>2n>2n \gt 2 avec une constante positive ccc et T(2)=1T(2)=1T(2) = 1 . Je connais le théorème maître pour résoudre les récurrences, mais je ne sais pas comment nous pourrions résoudre cette relation en l'utilisant. Comment abordez-vous le …
On pense généralement qu'une limite inférieure asymptotique telle que la dureté exponentielle implique qu'un problème est "intrinsèquement difficile". Le cryptage qui est "intrinsèquement difficile" à casser est considéré comme sûr. Cependant, une borne inférieure asymptotique n'exclut pas la possibilité qu'une classe énorme mais finie d'instances problématiques soit facile (par exemple, …
Que signifie ?logO(1)nlogO(1)n\log^{O(1)}n Je connais la notation big-O, mais cette notation n'a aucun sens pour moi. Je ne trouve rien non plus à ce sujet, car il n'y a aucun moyen qu'un moteur de recherche interprète cela correctement. Pour un peu de contexte, la phrase où je l'ai trouvée se …
J'ai lu Introduction aux algorithmes de Cormen et al. et je lis l'énoncé du théorème maître à partir de la page 73 . Dans le cas 3, il existe également une condition de régularité qui doit être satisfaite pour utiliser le théorème: ... 3. Si f(n)=Ω(nlogba+ε)f(n)=Ω(nlogba+ε)\qquad \displaystyle f(n) = \Omega(n^{\log_b …
Lorsque nous comparons la complexité de deux algorithmes, il arrive généralement que f(n)=O(g(n))f(n)=O(g(n))f(n) = O(g(n)) ou (éventuellement les deux), où et sont les temps d'exécution (par exemple) des deux algorithmes.f gg(n)=O(f(n))g(n)=O(f(n))g(n) = O(f(n))fffggg Est-ce toujours le cas? Autrement dit, au moins une des relations f(n)=O(g(n))f(n)=O(g(n))f(n) = O(g(n)) et g(n)=O(f(n))g(n)=O(f(n))g(n) = …
J'essaie de trouver un lié pour l'équation de récurrence suivante:ΘΘ\Theta T( n ) = 2 T( n / 2 ) + T( n / 3 ) + 2 n2+ 5 n + 42T(n)=2T(n/2)+T(n/3)+2n2+5n+42 T(n) = 2 T(n/2) + T(n/3) + 2n^2+ 5n + 42 Je pense que le théorème principal …
D'après ce que j'ai appris, la liaison asymptotiquement étroite signifie qu'elle est liée par le haut et par le bas comme dans la notation thêta. Mais que signifie la limite supérieure asymptotiquement serrée pour la notation Big-O?
Supposons que l'on nous donne deux nombres et et que nous voulons trouver pour l \ le i, \, j \ le r .lllrrrmax(i⊕j)max(i⊕j)\max{(i\oplus j)}l≤i,j≤rl≤i,j≤rl\le i,\,j\le r L'algorithme naïf vérifie simplement toutes les paires possibles; par exemple en rubis, nous aurions: def max_xor(l, r) max = 0 (l..r).each do |i| …
J'ai écrit ∑i = 1n1je= ∑i = 1nO (1)= O (n)∑je=1n1je=∑je=1nO(1)=O(n)\qquad \displaystyle \sum\limits_{i=1}^n \frac{1}{i} = \sum\limits_{i=1}^n \cal{O}(1) = \cal{O}(n) mais mon ami dit que c'est faux. De la feuille de triche TCS, je sais que la somme est également appelée qui a une croissance logarithmique en . Donc ma limite …
Je comprends que est plus rapide que et plus lent que . Ce qui est difficile à comprendre pour moi, c'est comment comparer réellement et avec où .Θ ( n )Θ(n)\Theta(n)Θ ( n logn )Θ(nJournaln)\Theta(n\log n)Θ ( n / logn )Θ(n/Journaln)\Theta(n/\log n)Θ ( n logn )Θ(nJournaln)\Theta(n \log n)Θ ( n …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.