• 算法导论学习 之 渐进符号


    一、大O记号(表示上界)
             1.     f(n) = O(g(n))
                      意味着:存在常数 C>0,n0>0,使得任意 n≥n0,有 0 ≤ f(n) ≤ C·g(n) 成立。
                      如:2n2 = O(n3) 。
             2.     ​可以将大O理解为一个函数集:
                      O(g(n)) = { f(n) | 存在常数 C>0,n0>0,使得任意 n≥n0,有 0 ≤ f(n) ≤ C·g(n) 成立 }
                      因此,等号并不对称,严格来说是“属于集合符号”:∈ 。
             3.     误差界限:
                      例:f(n) = n3 + O(n2),即 f(n) 主要是 n3,但也有一些低阶项 O(n2) 。
                      即:存在函数 f(n),有 h(n)∈O(n2) 使得 f(n) = n3 + h(n)。
                      首先描述的是首项 n3,然后加上至多为 n2 的误差项。
             4.     ​更微妙的等式:
                      例:n2 + O(n) = O(n3),也是等号不对称。
                      等号不表示“等于”,而表示“是”,即所有等号左边的都是等号右边的。
                      即:存在 O(n3),有任意 n2 + O(n) 都是 O(n3);反之则不然,所以不对称。
                      准确定义:对于任意 f(n)∈O(n),存在 h(n)∈O(n3),使得 n2 + f(n) = h(n) 成立。
             ​5.     等式关系链:等式可以从左到右传递下去,即可理解为是通过“什么是什么”组成的链式表达式,
                                      第一个就是最后一个,或者说以最后一个为上界。但不能反过来从后往前传递。
    二、大Ω符号(表示下界)
             ​1.      f(n) = Ω(g(n))
                     Ω(g(n)) = { f(n) | 存在常数 C>0,n0>0,使得任意 n≥n0,有 0 ≤ C·g(n) ≤ f(n) 成立 }
             2.      例:√n = Ω(lgn),即对于足够大的 n,√n 至少是 Ω(lgn) 的常数倍。
    三、大Θ符号
             1.     Θ(n) = O(n) ∩ Ω(n)​
             2.     Θ(g(n)) = { f(n) | 存在常数 C1>0,C2>0,n0>0,使得任意 n≥n0有 0 ≤ C1·g(n) ≤ f(n) ≤ C2·g(n) }

             

    四、小o符号和小ω符号
             1.     o(g(n)) = { f(n) | 任意常数 C>0,存在 n0>0,使得任意 n≥n0,有 0 ≤ f(n) < C·g(n) 成立 }
                     lim [ f(n) / g(n) ] = 0 as n->∞
             2.     ω(g(n)) = { f(n) | 任意常数 C>0,存在 n0>0,使得任意 n≥n0,有 0 ≤ C·g(n) < f(n) 成立 }
                     lim [ f(n) / g(n) ] =  as n->∞
             3.     例:2n2 = o(n3),
                     证:存在 n0>0,当 n>n0,有 2n2 < C·n3,即 n > 2/C
                            取 n = [n0],则 n0 = 2/C 。
                            即存在 n0 = 2/C ,当 n>n0,有 2n2 < C·n3 成立,即 2n2 = o(n3) 。
             4.     注:1/2n2 = Θ(n2) ≠ o(n2)
                                                  ≠ ω(n2)
    五、性质及类比:
            1.    传递性
                    f(n) = Ө(g(n)) 和 g(n) = Ө(h(n)) => f(n) = Ө(h(n))
                    f(n) = O(g(n)) 和 g(n) = O(h(n)) => f(n) = O(h(n))
                    f(n) = Ω(g(n)) 和 g(n) = Ω(h(n)) => f(n) = Ω(h(n))
                    f(n) = o(g(n))  和 g(n) = o(h(n)) => f(n) = o(h(n))
                    f(n) = ω(g(n)) 和 g(n) = ω(h(n)) => f(n) = ω(h(n))
            2.    自反性
                    f(n) = Ө(f(n))
                    f(n) = O(f(n))
                    f(n) = Ω(f(n))
            3.    转置对称性:
                    f(n) = Ө(g(n)) 当且仅当 g(n) = Ө(f(n))
                    f(n) = O(g(n)) 当且仅当 g(n) = Ω(f(n))
                    f(n) = o(g(n)) 当且仅当 g(n) = ω(f(n))
             4.    类比:
                    可以类比:O    Ω    Θ    o    ω
                                    ≤    ≥    =    <   >
                    但类比并不是等价于;同时小符号是大符号更为严格的记号,但却没有严格的小θ。


    By Black Storm(使用为知笔记)

  • 相关阅读:
    如何上载图片到SAP数据库并显示
    ◆◆0如何查看ABAP程序或者数据库表的版本历史
    python中我认为一些重要的东西
    Pytorch使用-1
    大工具-收藏
    大想法-(收藏)
    TODO-深度学习实验
    顺便配置了下vim
    不影响已安装的低版本cuda8及其环境工具条件下安装新版本cuda9
    ConvLSTM-AE for VAD (ICME2017-SIST)
  • 原文地址:https://www.cnblogs.com/BlackStorm/p/4267570.html
Copyright © 2020-2023  润新知