(数据结构)这个函数的时间复杂度怎么求?

h(n)=n^1.5+5000nlgn
也可见图,手机拍的,可能不太清楚。希望大神们解答一下。

h(n)=n^1.5+5000nlgn

首先有一点要弄清楚,计算时间复杂度时,各项的系数可以去掉,只保留最高项即可。

h(n) = n^1.5 + 5000nlgn
约等于 = n^1.5 +n log(10)n
= n * (n^0.5 + log(10)n)

通过比较当x趋于正无穷大时y=x^0.5和y=log(10)x在第一像限内的图像,发现前者的增长相对后者的增长来说是越来越大,即后者相对于前者来说是极小项,可以忽略。
最终,
h(n) 约等于 = n * n^0.5
= n^1.5
温馨提示:内容为网友见解,仅供参考
第1个回答  推荐于2017-10-07
时间复杂度是度量算法执行的时间长短,算法的时间复杂度记做:T(n)=O(f(n))

分析:随着模块n的增大,算法执行的时间的增长率和f(n)的增长率成正比,所以f(n)越小,算法的时间复杂度越低,算法的效率越高。

在计算时间复杂度的时候,先找出算法的基本操作,然后根据相应的各语句确定它的执行次数,再找出T(n)的同数量级(它的同数量级有以下:1,Log2n ,n ,nLog2n ,n的平方,n的三次方,2的n次方,n!),找出后,f(n)=该数量级,若T(n)/f(n)求极限可得到一常数c,则时间复杂度T(n)=O(f(n))
第2个回答  2011-05-19
看不到图片

(数据结构)这个函数的时间复杂度怎么求?
首先有一点要弄清楚,计算时间复杂度时,各项的系数可以去掉,只保留最高项即可。h(n) = n^1.5 + 5000nlgn 约等于 = n^1.5 +n log(10)n = n * (n^0.5 + log(10)n)通过比较当x趋于正无穷大时y=x^0.5和y=log(10)x在第一像限内的图像,发现前者的增长相对后者的增长来说...

计算机数据结构时间复杂度?
复杂度为O(n^3)

数据结构时间复杂度怎么计算
线性对数时间复杂度(O(n log n)):这是指算法的时间复杂度是输入大小n的对数和线性函数的乘积。例如,归并排序和快速排序的时间复杂度为O(n log n)。平方时间复杂度(O(n²)):这意味着算法中的基本操作的执行次数是输入数据大小的平方。例如,冒泡排序和插入排序的时间复杂度为O(n²...

数据结构导论中的时间复杂度是怎么算的
1. 一般情况下,算法的基本操作重复执行的次数是模块n的某一个函数f(n),因此,算法的时间复杂度记做:T(n)=O(f(n))分析:随着模块n的增大,算法执行的时间的增长率和f(n)的增长率成正比,所以f(n)越小,算法的时间复杂度越低,算法的效率越高。2. 在计算时间复杂度的时候,先找...

数据结构算法的时间复杂度
时间复杂度 = 1 + (4 + 1) x 循环次数 循环次数是由n和y的初始值决定的,假设循环次数为N,y的初始值为y0,y的结束状态为yn,有 x < (yn + 1)*(yn + 1) ...假设y的初始值为整数,则yn为满足该式的最小整数 N = (yn - y0) \/ 1 ...因为每次循环y的递增量为1 1式...

求数据结构程序的时间复杂度
第一个:for( int i=1;i<=n;i++) for( int j=1;j<= m; j++) A[i][j] = i*j; 时间复杂度为: O(m*n)第二个:i=0,s=0; while (s<n) {s=s+i;i++;} 时间复杂度为: O(根号n)第三个:for(i=1,s=0:i<=n:i++){t=1:for(j=1:j<=i:j...

数据结构 求时间复杂度
假设循环次数是x。i = 1, 3,6 ,9。i = 3^x 条件是i <= n 3^x <= n 所以x <= log3n 一共执行循环体log3n次,所以复杂度是O(log3n)

数据结构时间复杂度
时间复杂度常用大O符号表述,不包括这个函数的低阶项和首项系数。使用这种方式时,时间复杂度可被称为是渐近的,它考察当输入值大小趋近无穷时的情况。——时间复杂度的定义。n通常趋近于无穷大,共计循环:n-1+n-2+n-3+...+1 = n*(n-1)\/2;然后根据上面的定义,去除低阶项和首项系数,...

《数据结构》的题;求下列程序段的时间复杂度。要过程
时间复杂度是O(n^3)第一个for 进行n次循环 第二个for进行n+1次循环 第三个for进行n次循环乘法和赋值 设赋值和乘法的开销为a 那么 总开销为n*(n+1)*a n=a n^3+a n^2 省略小的开销得到an^3 所以时间复杂度为n^3

求数据结构的时间复杂度及变量count的值(以函数的形式表示)
每次计算后,n扩大为原来的2倍,设K次后while循环结束,则 2^k=n\/2 k的结果如公式1所示。因此时间复杂度为公式2的结果

相似回答