En informatique, nous avons souvent à résoudre des relations de récurrence , c'est-à-dire à trouver une forme fermée pour une suite de nombres définie récursivement. Quand on considère les temps d'exécution, on s'intéresse souvent principalement à la croissance asymptotique de la séquence . Des exemples sont Le temps d'exécution d'une …
Wikipédia ainsi que d'autres sources que j'ai trouvées listent le voidtype C comme type d'unité par opposition à un type vide. Je trouve cela déroutant car il me semble que cela voidcorrespond mieux à la définition d'un type vide / bas. Autant voidque je sache , aucune valeur n'habite . …
Existe-t-il une méthode générale pour résoudre la récurrence du formulaire: T(n)=T(n−nc)+T(nc)+f(n)T(n)=T(n−nc)+T(nc)+f(n)T(n) = T(n-n^c) + T(n^c) + f(n) pour c<1c<1c < 1 , ou plus généralement T(n)=T(n−g(n))+T(r(n))+f(n)T(n)=T(n−g(n))+T(r(n))+f(n)T(n) = T(n-g(n)) + T(r(n)) + f(n) où g(n),r(n)g(n),r(n)g(n),r(n) sont des fonctions sub-linéaires de nnn . Mise à jour : J'ai parcouru les liens fournis …
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) = …
J'ai le code Python suivant. def collatz(n): if n <= 1: return True elif (n%2==0): return collatz(n/2) else: return collatz(3*n+1) Quel est le temps d'exécution de cet algorithme? Essayer: Si désigne le temps d'exécution de la fonction . Alors je pense que j'ai { T ( n ) = 1 …
Comme suit de ma question précédente , j'ai joué avec l' hypothèse de Riemann comme une question de mathématiques récréatives. Dans le processus, je suis arrivé à une récurrence assez intéressante, et je suis curieux de son nom, de ses réductions et de son aptitude à la solvabilité de l'écart …
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 …
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 …
Le ème nombre de Fibonacci peut être calculé en temps linéaire en utilisant la récurrence suivante:nnn def fib(n): i, j = 1, 1 for k in {1...n-1}: i, j = j, i+j return i Le ème nombre de Fibonacci peut également être calculé comme [ φ n / √nnn. Cependant, …
Dans le problème des stations-service, on nous donne villes et des routes entre elles. Chaque route a une longueur et chaque ville définit le prix du carburant. Une unité de route coûte une unité de carburant. Notre objectif est de passer d'une source à une destination de la manière la …
Étant donné l'équation récursive suivante T(n)=2T(n2)+nlognT(n)=2T(n2)+nlogn T(n) = 2T\left(\frac{n}{2}\right)+n\log nnous voulons appliquer le théorème maître et noter que nlog2(2)=n.nlog2(2)=n. n^{\log_2(2)} = n. Maintenant, nous vérifions les deux premiers cas pour ε>0ε>0\varepsilon > 0 , c'est-à-dire si nlogn∈O(n1−ε)nlogn∈O(n1−ε)n\log n \in O(n^{1-\varepsilon}) ou nlogn∈Θ(n)nlogn∈Θ(n)n\log n \in \Theta(n) . Les deux cas ne …
J'essaie de comprendre ce qui ne va pas avec la preuve suivante de la récurrence suivante T(n)≤2(c⌊nT(n)=2T(⌊n2⌋)+nT(n)=2T(⌊n2⌋)+n T(n) = 2\,T\!\left(\left\lfloor\frac{n}{2}\right\rfloor\right)+n T(n)≤2(c⌊n2⌋)+n≤cn+n=n(c+1)=O(n)T(n)≤2(c⌊n2⌋)+n≤cn+n=n(c+1)=O(n) T(n) \leq 2\left(c\left\lfloor\frac{n}{2}\right\rfloor\right)+n \leq cn+n = n(c+1) =O(n) La documentation dit que c'est faux à cause de l'hypothèse inductive que Qu'est-ce que je manque?T(n)≤cnT(n)≤cn T(n) \leq cn
J'étudie le pire cas d'exécution de quicksort à la condition qu'il ne fasse jamais une partition très déséquilibrée pour différentes définitions de très . Pour ce faire, je me pose la question de savoir quel serait le runtime dans le cas où quicksort arrive toujours à partitionner en une fraction …
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.