A medida que el tamaño de entrada aumenta, el tiempo de ejecución del algoritmo se aproxima a la complejidad de tiempo del algoritmo. Calcular la complejidad temporal de un algoritmo en términos de Big-Oh o cualquier otra notación de este tipo es determinar sus asintóticos. Dado que el algoritmo se escala con respecto al tamaño de entrada, a medida que crece el tamaño de entrada, el tiempo de ejecución se aproxima a la complejidad de tiempo determinada (a medida que las constantes se vuelven irrelevantes).
Tenga en cuenta que cuando determinamos la complejidad del tiempo en términos de decir Big-Oh, está determinando un conjunto de funciones de crecimiento. Además, cuando analiza un algoritmo, está capturando el tiempo de ejecución del algoritmo con respecto a todas las instancias de un problema . Como el número de instancias en un problema es típicamente infinito, hay instancias que son muy grandes (tan grandes que no puede escribirlas), por lo que la notación asintótica como Big-Oh tiene sentido cuando determina la complejidad del tiempo, ya que debe reflejar El comportamiento de todas las instancias.
¡Espero que esto ayude! 🙂
- Cómo inicializar una matriz de cadenas en una clase
- Solo conozco algunos conceptos básicos de c ++. ¿Qué libros o tutoriales debo consultar para resolver problemas en spoj y codechef?
- Cómo imprimir todas las permutaciones de una cadena tanto de forma iterativa como recursiva
- ¿Cuáles son las aplicaciones de las búsquedas lineales y binarias?
- ¿Cómo diseñaría un algoritmo para clasificar 100 millones de libros y encontrar duplicados funcionales?
