对于大尺寸的问题,随着时间的算法成本
O(2^n)
比的算法 已经时间成本O(N^2)
数据结构:时间成本,大O符号
这是真的还是假的更快?我认为如果C^n,C =常数且C> 1,那么它的增长速度将快于O(N^2)。它是否正确?
对于大尺寸的问题,随着时间的算法成本
O(2^n)
比的算法 已经时间成本O(N^2)
数据结构:时间成本,大O符号
这是真的还是假的更快?我认为如果C^n,C =常数且C> 1,那么它的增长速度将快于O(N^2)。它是否正确?
对于较大的问题的大小,与时间成本O(2 Ñ)比具有时间成本为O(n 2 )的算法更快的算法。
FALSE,因为2 Ñ>Ñ对于n> 4,和更大的手段慢。
对于C =常数,C> 1,C Ñ生长为O更快(N )。
TRUE。
Here是Wolfram | Alpha参考。
是的,c^n增长得比n^2更快。
把参考资料或给更多的细节。 –
Yes, c^n grows faster than n^2, if c>1
if c=1 then c^n =1
if c<1 then c^n "decays"
Proof for c>1
let t(n) = (c^n)/(n^2)
now lim n-> infinity t(n) = (By L'Hospitals Rule) = lim (d/dn c^n)/lim(d/dn n^2)
= lim (d/dn c^n lg n)/lim(d/dn 2n)
= lim (d/dn c^n lg n * lg n)/lim(d/dn 2)
-> infinity.
所以在http://en.wikipedia.org/wiki/Big_O_notation#Related_asymptotic_notations描述的属性,我们说N^2增长较慢。
d/dn c^n = c^n * log(c),所以它应该是c^n * lg^2 (c)/ 2 - > inf –
是的,我的意思是,而不是c^n lg(n lg n) 对不起,我很困惑 –
非常感谢。所以2^N大于N^2,这意味着N^2更快?我认为更好的手段更快.. – hibc
@hibc正确,因为_cost_不是一个伟大的词^ _- –