Sto cercando di capire cosa c'è che non va nella seguente prova della seguente ricorrenza T(n)=2T(⌊n2⌋)+nT(n)=2T(⌊n2⌋)+n T(n) = 2\,T\!\left(\left\lfloor\frac{n}{2}\right\rfloor\right)+n T(n)≤2(c⌊n2⌋)+n≤cn+n=n(c+1)=O(n)T(n)≤2(c⌊n2⌋)+n≤cn+n=n(c+1)=O(n) T(n) \leq 2\left(c\left\lfloor\frac{n}{2}\right\rfloor\right)+n \leq cn+n = n(c+1) =O(n) La documentazione dice che è sbagliato a causa dell'ipotesi induttiva che Cosa mi sto perdendo?T(n)≤cnT(n)≤cn T(n) \leq cn
Dal punto di vista del comportamento asintotico, che cosa è considerato un algoritmo "efficiente"? Qual è lo standard / motivo per disegnare la linea in quel punto? Personalmente, penso che tutto ciò che è ciò che potrei chiamare ingenuamente "sub-polinomiale", in modo tale che come sia efficiente e tutto ciò …
In un video di recitazione per il MIT OCW 6.006 alle 43:30, Dato un matrice con colonne e righe, l'algoritmo di ricerca del picco 2-D, in cui un picco è qualsiasi valore maggiore o uguale ai suoi vicini adiacenti, è stato descritto come:A m nm×nm×nm \times nAAAmmmnnn Nota: se c'è …
Ecco quattro principi che non posso conciliare: Gli algoritmi del tempo esponenziale doppio vengono eseguiti nel tempo con costanteO(22nk)O(22nk)O(2^{2^{n^k}})k∈Nk∈Nk \in \mathbb{N} Gli algoritmi del tempo esponenziale vengono eseguiti in con costanteO(2nk)O(2nk)O(2^{n^k})k∈Nk∈Nk \in \mathbb{N} Il primo limite cresce molto più velocemente del secondo; cioè, esistono algoritmi che funzionano in doppio tempo …
Mi chiedo se ci siano funzioni utili asintoticamente maggiori di una funzione pollogaritmica e meno di una funzione polinomiale. Cioè una funzione f( n )f(n)f(n) tale che f( n ) = ω ( log( n)K)f(n)=ω(log(n)k)f(n) = \omega(\log(n)^k) per qualche costante k>0k>0k > 0 e f(n)=o(nk)f(n)=o(nk)f(n) = o(n^k) per qualche costante …
Ho un problema con i compiti che mi mette in imbarazzo perché la matematica è al di là di ciò che ho fatto, anche se ci è stato detto che non era necessario risolverlo matematicamente. Basta fornire un limite superiore vicino e giustificarlo. Permettere f( n ) = | { …
Questa domanda è abbastanza specifica nel modo in cui vengono prese le misure per risolvere il problema. Dato dimostra che .T(n)=2T(2n/3)+O(n)T(n)=2T(2n/3)+O(n)T(n)=2T(2n/3)+O(n)T(n)=O(n2)T(n)=O(n2)T(n)=O(n^2) Quindi i passaggi erano i seguenti. Vogliamo dimostrare che .T(n)≤cn2T(n)≤cn2T(n) \le cn^2 T(n)=2T(2n/3)+O(n)≤2c(2n/3)2+an≤(8/9)(cn2)+anT(n)=2T(2n/3)+O(n)≤2c(2n/3)2+an≤(8/9)(cn2)+an\begin{align*} T(n)&=2T(2n/3)+O(n) \\ &\leq 2c(2n/3)^2+an\\ &\leq (8/9)(cn^2)+an \end{align*} e poi il mio prof ha continuato a fare: …
Voglio dimostrare che la complessità temporale di un algoritmo è pollogaritmica nella scala di input. La relazione di ricorrenza di questo algoritmo è T( 2 n ) ≤ T( n ) + T(nun')T(2n)≤T(n)+T(na)T(2n) \leq T(n) + T(n^a), dove a ∈ ( 0 , 1 )a∈(0,1)a\in(0,1). Sembra che T( n ) …
In CLRS (alle pagine 49-50), qual è il significato della seguente dichiarazione: Σni=1O(i)Σi=1nO(i)\Sigma_{i=1}^{n} O(i) è solo una singola funzione anonima (di iii), ma non è lo stesso di O(1)+O(2)+⋯+O(n)O(1)+O(2)+⋯+O(n)O(1)+O(2)+\cdots+O(n), che in realtà non ha un'interpretazione ".
Sto imparando l'analisi asintotica e ho visto alcune complessità dall'aspetto esotico che vivono tra altre comuni. Ad esempio, "log log n" è strettamente compreso tra 1 e log n. Mi chiedo se si possano sempre trovare delle complessità tra le altre due. In particolare, per tutte le funzioni feg con …
Chiuso . Questa domanda deve essere più focalizzata . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che si concentri su un problema solo modificando questo post . Chiuso 6 anni fa . Wiki ha un buon cheat sheet, ma comunque non implica no. …
3n=2O ( n )3n=2O(n)3^n = 2^{O(n)}è apparentemente vero. Ho pensato che fosse falso però perché3n3n3^n cresce più velocemente di qualsiasi funzione esponenziale con una base di 2. Com'è 3n=2O ( n )3n=2O(n)3^n = 2^{O(n)} vero?
Diciamo che ho un grafico |G||G||G| con |E|=O(V2)|E|=O(V2)|E|=O(V^2)bordi. Voglio eseguire BFS susolsolG che ha un tempo di esecuzione di O(V+E)O(V+E)O(V+E). È naturale scrivere che il tempo di esecuzione su questo grafico sarebbe O(O(V2)+V)O(O(V2)+V)O(O(V^2)+V) e quindi semplificare O(V2)O(V2)O(V^2). Ci sono insidie nell'usare una scorciatoia "remove-the-nested-O" (non solo in questo caso, ma …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.