Big-O Notationの概要
概念を簡単に整理しましょう.
アルゴリズムを構成するコマンドが何回実行されるかを計算した結果.
各コマンドの実行時間の関係を表します. 時間の複雑さを表す方法の1つ. 運転時間nはO(n)を表し、Big-O Notationは
車数が一番高い最高車の港湾を残して、残りは捨てます.
時間の複雑さ
各コマンドの実行時間の関係を表します.
* 알고리즘의 성능은 '최선', '최악', '평균'으로 나누며
최악의 경우로 알고리즘의 성능을 파악한다.
Big-O Notation
車数が一番高い最高車の港湾を残して、残りは捨てます.
ㅇO(1)/Constant Time:
- 입력자료의 수에 관계없이 일정한 시간을 갖는 알고리즘.
- ex) 배열에서 특정 인덱스 찾기, 해시테이블 탐색/삽입/삭제 등
ㅇO(logn)/Logthmic Time:
- 문제를 해결하는데 필요한 단계들이 연산마다 특정 요인에 의해 줄어든다.
- 데이터양이 많아져도 시간이 조금씩만 늘어난다.
- 주로 커다란 문제를 일정한 크기를 갖는 작은 문제로 쪼갤 때 나타나는 유형.
- ex) Binary Search Tree의 탐색/삽입/삭제
ㅇO(n)/Liner Time:
- 입력자료의 크기가 n일 경우 n번 만큼의 수행시간을 가진다.
- 데이터 양에 따라 시간이 정비례한다.
- ex) array 탐색/삽입/삭제, Linked-list 탐색
ㅇO(n^2)/象限時間:
- 데이터양에 따라 걸리는 시간은 제곱에 비례한다.(효율이 좋지 않아 사용을 안함)
- 보통 2중 for loop을 사용하는 경우
- n의 값이 크다면 실행시간은 감당하지 못할 정도로 커진다.
- 문제를 해결하기 위한 단계의 수는 입력값 n의 제곱이다.
- ex) 버블 정렬, 삽입 정렬
ㅇO(2^n)/Exponential Time:
- n이 하나 증가할 때 마다 걸리는 시간이 배로 증가하는 알고리즘.
- 여러 개의 답이 있고 그 중 가장 좋은 답을 찾는 문제들을 풀 때 가장 간단한 모든 답을 일일이 고려해보는 것.
- ex) n가지의 음식 중 만든다, 안 만든다의 경우 만들 수 있는 답은 2^n가지.
Reference
この問題について(Big-O Notationの概要), 我々は、より多くの情報をここで見つけました https://velog.io/@900djob/Big-O-Notation-요약テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol