عدم قطعیت بزرگ یک مفهوم ریاضی است که برای توصیف کارایی الگوریتم ها استفاده می شود.این به مقایسه چگونگی زمان اجرا یا نیازهای فضایی یک الگوریتم به عنوان افزایش اندازه ورودی کمک می کند. درک بزرگ-O برای بهینه سازی کد و انتخاب الگوریتم های مناسب برای وظایف خاص ضروری است.

درک بزرگ-O Notation

[[ویرایش] [۱] [۱] [۱] [۱] [۱] [۱]] [۱] [۱] [۱۰] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۲] [۳] [۳] [۳] [۲] [۲] [۳] [۳

محاسبه Big-O برای الگوریتم ها

محاسبات شامل تجزیه و تحلیل تعداد عملیات یک الگوریتم نسبت به اندازه ورودی است (به عنوان مثال، یک حلقه ساده که n بار اجرا می شود، پیچیدگی زمان (FLT:0O (n) را دارد.[۱۰] حلقه های نستله که هر کدام از آنها در نتیجه (FLT:2O (n^۲) اجرا می شوند [۳] این الگوریتم ها به پیش بینی داده های بزرگتر کمک می کنند.

تفسیر نتایج بزرگ-O

تفسیر نتایج بزرگ-O شامل درک نرخ رشد و پیامدهای عملی است. الگوریتم هایی که دارای طبقه بندی های بزرگ پایین تر هستند، به طور کلی سریعتر بر ورودی های بزرگ اجرا می شوند.

طبقه بندی های بزرگ-O

  • [[۱] [۱] [۱۰] [۱] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱] [۱۰] [۱]] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۲] [۲] [۲] [۱] [۱] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۱] [۲] [۱] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲
  • [[۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱] [۱۰] [۱]] [۱] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲]] [۲] [۲]] [۲] [۲] [۲] [۲] [۲]]]]] [۲]]]]] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۱] [۲] [۱] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [
  • [[۱] [۱] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱۰] [۱] [۱]] [۱۰] [۱] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱] [۲] [۳] [۳] [۳] [۳۲] [۳۲] [۳۲] [۳] [۳۲] [۳۲] [۳۲] [۳۲] [بر [بر [بر [۳۲] [۳۲] [بر [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [بر [۳۲] [۳۲] [۳۲] [۳۲] [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [بر [براى] [بر [براى [براى] [بر [بر [بر
  • [n log n] [به طور روشن سریع تر از چهار برابر، رایج در الگوریتم های منظم کارآمد است.
  • [[۱] [۱۰] [۲] [۱۰] [۲] [۱۰] [۲]] [۱۰] [۲]] [۱۰] [۲]] [۱۰] [۱] [۲]] [۱۰] [۱] [۱۰] [۱۰] [۲]] [۲] [۲] [۱] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲]]] [۲] [۲] [۲] [۲] [۲]] [۲]]]]]] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۳] [۳] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲] [۲