1樓：真真
選c說明演算法的時間複雜度tn小於等於**（c為比例常數），即tn＝o(n)，時間複雜度是問題規模n的函式。
2樓：飛沛和妙珍
乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數多，它花費時間就多。乙個演算法中的語句執行次數稱為語句頻度或時間頻度。記為t(n)。
t(n)=o(n*n)的意思就是演算法大概執行n的平方次，時間與執行次數成正比。，問題規模還是n。
跟o（）沒有關係。
3樓：我已萌出天際
n就是問題的規模，因此a答案不對，答案是c，時間複雜度就是執行時間，o代表同數量級，至於答案b，則是c中包含的特例，一般o(n^2)得演算法並不一定是執行時間等於n^2
某演算法的時間複雜度為o（n*n）,表面該演算法的（） a。問題規模是n*n b.執行時間等於n*n
4樓：蛋刀狂戰
乙個演算法花費來的時間與演算法中
語源句的執行次數成正比例，哪個演算法中語句執行次數多，它花費時間就多。乙個演算法中的語句執行次數稱為語句頻度或時間頻度。記為t(n)。
t(n)=o(n*n)的意思就是演算法大概執行n的平方次，時間與執行次數成正比。，問題規模還是n。
跟o（）沒有關係。
乙個演算法的時間複雜度至少是o（n），這種演算法有意義嗎？為什麼？
5樓：匿名使用者
有意來義, 一般對於大型計算, 比如自
算天體物理, 全社會經濟模型, 核****, 密碼破解等.... 不需要費勁去研究演算法, 直接就是窮舉, 靠大型機的運算能力來獲取結果.
演算法一般都是學術研究, 實踐領域往往都是靠大型機的能力算
求滿足一下條件的演算法，時間複雜度為o(n)
6樓：滿天點點沃
對著自己的資料型別bai做相應地修改：
void delete(seqlist l, datatype x)l->length = i;
}void delete_list(linklist head, datatype x)
p = q->next;}}
快速排序方法的時間複雜度為o(n^2)=n(n-1)/2中o()是什麼意思? 200
7樓：匿名使用者
o(1): 表示演算法
的執行時間為常量
o(n): 表示該演算法是線性演算法
o(㏒2n): 二分查詢演算法
o(n2): 對陣列進行排序的各種簡單演算法，例如直接插入排序的演算法。
o(n3): 做兩個n階矩陣的乘法運算
o(2n): 求具有n個元素集合的所有子集的演算法o(n!):
求具有n個元素的全排列的演算法o(n²)表示當n很大的時候，複雜度約等於**²，c是某個常數，簡單說就是當n足夠大的時候，n的線性增長，複雜度將沿平方增長。
乙個演算法執行所耗費的時間，從理論上是不能算出來的，必須上機執行測試才能知道。但我們不可能也沒有必要對每個演算法都上機測試，只需知道哪個演算法花費的時間多，哪個演算法花費的時間少就可以了。並且乙個演算法花費的時間與演算法中語句的執行次數成正比例，哪個演算法中語句執行次數多，它花費時間就多。
乙個演算法中的語句執行次數稱為語句頻度或時間頻度。記為t(n)。
一般情況下，演算法中基本操作重複執行的次數是問題規模n的某個函式，用t(n)表示，若有某個輔助函式f(n),使得當n趨近於無窮大時，t（n)/f(n)的極限值為不等於零的常數，則稱f(n)是t(n)的同數量級函式。記作t(n)=o(f(n)),稱o(f(n))
為演算法的漸進時間複雜度，簡稱時間複雜度。
8樓：匿名使用者
1）對於你的問題簡單解釋如下：
理論計算機研究中，衡量演算法一般從兩個方面分析：時間複雜度和空間複雜度。空間複雜度跟時間複雜度是類似的，下面簡單解釋一下時間複雜度：
對於乙個資料規模為n的問題，解決該問題的演算法所用時間可以用含有n的函式t(n)來表示。對於絕大多數情況，我們只需要了解演算法的一般效能而不考慮細節，也就是說，我們只關心函式t(n)的表示式的形式，而不關心表示式的常數係數等與資料規模沒有關係的量值。對於函式t(n)，我們又進一步將它簡化為o(n)，即只考慮演算法平均執行時間的「瓶頸」，也就是t(n)表示式中，關於變數n增長最快的哪一項。
比如下面的**：
for(int i=1; i<=n*2; i++)for(int j=1; j<=n; j++)// do something here
那麼這個演算法的時間複雜度就是o(n^2)，因為它有兩層迴圈，每層迴圈的資料規模都是n。注意第一層迴圈（外迴圈）要迭代n*2次，則實際上t(n)=2*n*n，而對於o(n)來說，我們忽略了常數2，只保留了n^2。這就是大o記法的乙個概括，並不精確。
對於時間複雜度的更精確、深入的解釋，可以自己查閱《演算法導論》第一章。
2）更正你的問題：快速排序演算法的時間複雜度應該為o(n lg n)。注意三種時間複雜度符號表示的不同意義！
英文本母o代表的是平均執行時間，因此對於快速排序來說應該是o(n lg n)。而使用下界函式omega或者上界函式theta則分別表示演算法執行的最快和最慢時間。對於未使用隨機化的快速排序，理論上可以證明，存在某一方法構造出一組資料使快速排序「退化」成平方複雜度演算法即theta(n^2)。
但是對於其o(n)表示法應該為o(n^2)。
分析下面程式段執行的時間複雜度o（n）
9樓：折柳成萌
常見的 查詢演算法的時間複雜度：
線性結構的查詢的時間複雜度，如 二分查詢（用於已經排好序的資料，如已序的陣列）；o(n)
非線性結構的查詢的時間複雜度，如 二叉查詢樹 ；o（log n）
排序類別 時間複雜度 空間複雜度 穩定
1 插入排序 o(n2) o(1) √
2 希爾排序 o(n2) o(1) × //shell（希爾）排序是基於插入排序的，時間效率比插入、選擇、冒泡高，但又比快速排序低點；
3 氣泡排序 o(n2) o(1) √
4 選擇排序 o(n2) o(1) ×
5 快速排序 o(nlogn) o(logn) ×
6 堆排序 o(nlogn) o(1) ×
7 歸併排序 o(nlogn) o(n) √
氣泡排序、插入排序、歸併排序是穩定的，演算法時間複雜度是o(n ^2)；
選擇排序、快速排序、堆排序、希爾排序都是 不穩定的；
演算法的時間複雜度
一、 時間複雜度定義
定義：如果乙個問題的規模是n，解這一問題的某一演算法所需要的時間為t(n)，它是n的某一函式t(n)稱為這一演算法的「時間複雜性」。
當輸入量n逐漸加大時，時間複雜性的極限情形稱為演算法的「漸近時間複雜性」。
二、大o表示法
我們常用大o表示法表示時間複雜性，注意它是某乙個演算法的時間複雜性。大o表示只是說有上界，由定義如果f(n)=o(n)，那顯然成立f(n)=o(n^2)，它給你乙個上界，但並不是上確界，但人們在表示的時候一般都習慣表示前者。此外，乙個問題本身也有它的複雜性，如果某個演算法的複雜性到達了這個問題複雜性的下界，那就稱這樣的演算法是最佳演算法。
「大o記法" :在這種描述中使用的基本引數是n，即問題例項的規模，把複雜性或執行時間表達為n的函式。這裡的「o」表示量級(order)，比如說「二分檢索是o(logn)的」,也就是說它需要「通過logn量級的步驟去檢索乙個規模為n的陣列」記法o ( f(n) )表示當n增大時，執行時間至多將以正比於f(n)的速度增長。
這種漸進估計對演算法的理論分析和大致比較是非常有價值的，但在實踐中細節也可能造成差異。例如，乙個低附加代價的o(n2)演算法在n較小的情況下可能比乙個高附加代價的o(nlogn)演算法執行得更快。當然，隨著n足夠大以後，具有較慢上公升函式的演算法必然工作得更快。
o(1)
temp=i;i=j;j=temp;
以上三條單個語句的頻度均為1，該程式段的執行時間是乙個與問題規模n無關的常數。演算法的時間複雜度為常數階，記作t(n)=o(1)。如果演算法的執行時間不隨著問題規模n的增加而增長，即使演算法中有上千條語句，其執行時間也不過是乙個較大的常數。
此類演算法的時間複雜度是o(1)。
o(n^2)
2.1.交換i和j的內容
sum=0； （一次）
for(i=1;i<=n;i++) （n次）
for(j=1;j<=n;j++)（n^2次）
sum++； （n^2次）
解：t(n)=2n^2+n+1 =o(n^2)
某演算法的時間複雜度o，當n=5時執行時間為50s，當n=15時，其執行時間是多少
10樓：匿名使用者
主串t，比較串p，
由於kmp演算法的思想是主串不回溯的簡化演算法，執行的時候呢在串比較的掃瞄裡面要麼執行post和posp，要版麼執行next陣列的右移，然後比較，所以字元比較最多就是為o（lentht）,即不會超過o（n）
其實kmp看起來很嚇人，但是你抓住它的思想「主串不回溯」就很簡單了.
kmp演算法是一種改進的字串匹配演算法，由權d.e.knuth，j.
h.morris和v.r.
pratt同時發現，因此人們稱它為克努特——莫里斯——普拉特操作（簡稱kmp演算法）。kmp演算法的關鍵是利用匹配失敗後的資訊，儘量減少模式串與主串的匹配次數以達到快速匹配的目的。具體實現就是實現乙個next()函式，函式本身包含了模式串的區域性匹配資訊。
11樓：好人一公尺陽光
設演算法語句共執行次數為f(n),執行一次時間為k秒f(5)＜＝5³,k*f(5)＝50
得到k＝0.4
f(15)<＝15³,k*f(15)＝?
把k代入得到答案為1350秒
演算法的空間複雜度,時間複雜度,有窮性分別是什麼意思
通俗來說 空間複雜度是指運算過程中佔用的記憶體和輸入的漸進關係。時間複雜度是指運算過程中使用的時間和輸入的漸進關係。有窮性是指在有限時間內可以結束運算。演算法的時間複雜度與空間複雜度各是什麼意思 是說明乙個程式根據其資料n的規模大小 所使用的大致時間和空間說白了 就是表示 如果隨著n的增長 時間或空...
在中，刪除最後結點的演算法時間複雜度為O
有尾指標的連結串列中，或者循序表中。順序表和雙向迴圈連結串列中才是這樣 在n個結點的順序表中，演算法的時間複雜度是o 1 的操作是 答案是a.假設順序表l,長度為n，求第i個節點l i 直接前驅l i 1 因此為o 1 答案b需要移動n i個節點，因此為o n 答案c也需要移動n i個節點 答案d根...
稱演算法的時間複雜度為Ofn其中含義是指演算法的執行時
和f n 相同。這都什麼定義啊，就是對o 符號的曲解。o n 是什麼 o n 不是演算法，它是乙個函 數，是乙個表徵演算法時間複雜度的乙個函式。電腦科學中，演算法的時間複雜度是乙個函式，它定性描述了該演算法的執行時間。這是乙個關於代表演算法輸入值的字串的長度的函式。時間複雜度常用大o符號表述，不包括...