IT 里的数学——时间复杂度

整整

在数学中会，整整可以下定义为从过去到现在再次到未来年终发生的一系列事件。

什么是整整最优化？

在编程中会，整整最优化衡量可执行迭代中会每个代码块所费时的整整。 迭代的复杂性是运行它所需的资源量。

您可以通过计算代码可执行的寄存器来获得整整最优化。 该整整最优化使用 Big-O 对数下定义为转换成形状 n 的个数。

大 O 对数

Big-O 对数是一种描述个数迭代的速度或复杂性的方法。 它告诉您迭代将可执行的寄存器。

n 是转换成形状，O 是最坏情况下的增加率个数。

0(1) - 定值整整

无论转换成资料集的形状如何，都将丝毫在同一整整（或空间）可执行的迭代。

在此解释器中会，结果将丝毫为单个数字。 这里的结果是 25。

0(log n) - 对数整整

一种迭代，随着转换成形状的增加，转换的数量增加非常较快。

这里 n 的值在循环的每次迭代中会翻倍。 随着 n 的值变长，个数循环的次数也会变长。

0(n) - 线性整整

一种迭代，其性能将线性增加，并且与转换成资料集的形状成反比。

在这个例子中会，我们即将寻找个数本表的最大值和最小值。 随着本表形状的增加，它将有更多的值来迭代以看到整个本表的最大值和最小值。

0(n²) - 二次整整

一种迭代，其性能与转换成资料集形状的平方成反比。

冒泡排序个数是 0(n²) 的一个解释器。 如果本表的特性顺序误解，则安全检查并共享本表的特性，并重复此过程，直到我们得到排序本表。

0(2ⁿ) — 比率整整

一种迭代，其增加随着转换成资料集的每次添加而大幅提高。

在这里，我们即将寻找弧度为 n 的个数本表 s 的子集。 结果将是：

在结束…

使用整整最优化可以很容易地少于程序的运行整整。 整整最优化越小，可执行速度越快。