Я расскажу, что это домашнее задание, но я не ищу типичную домашнюю работу. Я просто хочу подтвердить формулировку вопроса. В вопросе говорится, что мой алгоритм должен быть линейным по числу вершин в графе. Я никогда не видел эту формулировку, просто говорю, что мое время работы должно быть O (| V |)? Если так, я думаю, у меня есть мое решение.Анализ подтверждения нотации алгоритмов
ответ
При анализе алгоритмов алгоритмы классифицируются по эффективности как функция их размера ввода.
O(|V|)
означает, что ваш алгоритм должен проверять или «касаться» каждой вершины вашего графика. Так что да, линейное число вершин означает O(|V|)
.
Для справки: Большой O
, Ɵ
, или Ω
; две вертикальные полосы означают номер. Они также используются для обозначения длины в некоторых доказательствах.
Благодарим за быстрый ответ. – Pinsickle
@Pinsickle Нет проблем, если вы работаете с этим типом вещей, возможно, стоит купить эту книгу: http://www.amazon.com/Introduction-Algorithms-Thomas-H-Cormen/dp/0262033844 своего рода стандарт для анализа алгоритмов и структур данных. –
'' должен проверять или «касаться» каждой вершины «' - технически немного упрощения/обобщения. Вы * можете * написать алгоритм для обработки первых '| V |' * ребер * (и никогда не касаться вершины), и это также будет 'O (| V |)'. Важная часть состоит в том, что выполняется постоянная работа на вершину. Кроме того, '' две вертикальные полосы ''не * просто * означают мощность (число) в Big O, Ɵ или Ω. Вы можете использовать его в любом месте, чтобы указать мощность. – Dukeling
- 1. Анализ алгоритмов - Асимптотический анализ
- 2. Анализ алгоритмов
- 3. Анализ алгоритмов: объяснение Big-O
- 4. Анализ алгоритмов сортировки вложений
- 5. Как выполнить анализ алгоритмов
- 6. Анализ сложностей алгоритмов Confusion
- 7. Анализ производительности алгоритмов кластеризации
- 8. Анализ сложности алгоритмов
- 9. Анализ алгоритмов (сложность)
- 10. Анализ алгоритмов - математическая модель
- 11. Loop Analysis - Анализ алгоритмов
- 12. Анализ алгоритмов в TAOCP
- 13. Разделение и анализ алгоритмов
- 14. псевдо Полином анализ алгоритмов
- 15. Сложность алгоритмов в нотации Big O
- 16. Анализ заявлений двух разных алгоритмов
- 17. Анализ алгоритмов - доказательство анонимной функции
- 18. Анализ алгоритмов - ожидаемые темпы роста
- 19. Анализ алгоритмов, сложность времени алгоритма
- 20. Анализ синтаксиса numpy.ndarray для подтверждения
- 21. Использование памяти в среднем случае - анализ алгоритмов
- 22. Анализ алгоритмов, которые включают в себя циклы
- 23. Анализ алгоритмов, какой из них правильный?
- 24. Анализ производительности для алгоритмов на встроенных устройствах
- 25. Анализ двух-двух алгоритмов Big-O
- 26. Big O анализ нотации с использованием рекурсией дереву
- 27. Анализ алгоритмов - поиск хэша в O (1) с коллизионными списками
- 28. как сделать анализ большого-O, когда 2 алгоритмов участвуют
- 29. Анализ алгоритмов: ожидаемое время выполнения рекурсивной функции на основе RNG
- 30. синтаксический анализ целого числа в экспоненциальной нотации из строки
Да, вы правы. – vidit
@ vidit Спасибо, я надеялся, что я это услышу. – Pinsickle