悲观算法与简单性分析
2013年10月25日
6对“悲观算法和简单性分析”的回应
-
2013年10月25日上午9:24 Python中的Slowsort。 -
2013年10月25日下午8:59 在Racket中实现较慢。 -
2013年10月26日上午7:05 非局部,提取最小值而不是最大值。 咖啡脚本。 (显然,这种语言中没有整数除法,无论是地板还是其他类型的除法,但有许多“技巧”,如x|0可以截断x。) 排序=(arr)-> [arr,res]=[arr[0…arr.length],[]] 当arr.length>0时 i=最小值(arr) 响应脉冲(i) k=arr.indexOf(i) arr[k..k]=[] 资源 最小值=(arr)-> 如果arr.length为1,则arr[0] 其他 a=排序(arr[0…arr.length/2|0])[0] b=排序(arr[arr.length/2|0…arr.lendth])[0] 如果a<b,则a其他b 控制台.log(排序([3,1,4,1,5,9,2,6]) -
2015年4月3日上午9:01 […]在已排序的数组中查找目标x的索引。 我们研究了上一个练习中提到的不同算法。 我让你去取报纸,享受作者的真诚[…] -
2015年4月8日上午6:33 在研究慢排序算法时,我意识到,通过将A[m]与A[j]交换,完全是为了将A[m移动到位。 一个更好(即更差)的算法将A[m]与A[m+1]交换,并重复直到A[m]位于列表的末尾(就像气泡排序一样)。 显然,我称之为“slowersort”的改进算法更为悲观。 -
2020年12月24日上午10:32 一般来说,对于任何给定的问题,是否存在一种悲观算法(无论是在时间上还是在空间上),而在这种情况下,可证明没有任何算法更不情愿(无论是时间上还是空间上)? 当然,不会有任何浪费资源的欺骗行为(无论是在时间上还是空间上)。 例如,递归计算斐波那契数(无需记忆):这是斐波那奇数最慢的算法吗?