درک پیچیدگی زمان الگوریتم ها برای بهینه سازی عملکرد کد در C و ++C ضروری است، این مقاله یک رویکرد عملی برای محاسبه و تجزیه و تحلیل کارایی الگوریتم را فراهم می کند، و به توسعه دهندگان کمک می کند برنامه های سریع تر و کارآمد تری بنویسند.

پایه های پیچیدگی زمان

زمان سنجی در این زمینه به اندازه ی زمان افزایش می یابد.[۵] معمولاً با استفاده از بزرگ بودن (که میزان رشد آن را بالا می برد) بیان می شود.[۱۰] [۱۰] [۱۰] و [۱۰] [۱۰] [۱۰] [۱۰]

تجزیه و تحلیل الگوریتم ها در C و C ++

برای تجزیه و تحلیل پیچیدگی زمان الگوریتم، تعداد عملیات اجرا شده در مقایسه با اندازه ورودی را بررسی کنید.در C و ++C، حلقه ها، تماس های بازگشتی و اظهارات مشروط عوامل اصلی هستند.

گام های عملی برای محاسبه

این مراحل را برای محاسبه پیچیدگی زمان دنبال کنید:

  • در این میان، معمولاً به صورت زیر به صورت زیر به صورت زیر به صورت زیر به کار می رود.
  • در این باره می توان گفت: چند بار در این زمینه به کار گرفته شده اند.
  • توابع بازگشتی را در نظر بگیرید: عمق و عامل شاخه سازی آن را ارزیابی کنید.
  • به عملیات برای پیدا کردن اصطلاح غالب.
  • کل را به عنوان یک عدم تعهد بزرگ O بیان کنید.

مثال: عناصر در یک آرایه

یک تابع ساده را در نظر بگیرید که تمام عناصر را در یک آرایه خلاصه می کند:

[[۱] [۱۰] [۱۰] [۱۰] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱]] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [

و در این صورت، زمان (و زمان) فرا رسیده است، پس پیچیدگی زمان (FLT:2) است.