chapter_computational_complexity/performance_evaluation/

[giscus[bot]]

chapter_computational_complexity/performance_evaluation/

Your first book to learn Data Structure And Algorithm.

https://www.hello-algo.com/chapter_computational_complexity/performance_evaluation/

[hsamgle]

数据结构与算法追求 “运行地快、内存占用少” ，而如何去评价算法效率则是非常重要的问题

运行"地"快，是不是有错别字？

[krahets]

感谢指正！（可以点击页面右上角的“铅笔”图标，直接修改原文内容，谢谢！）

[nobt854]

感觉“运行速度快、占用内存少”更优

[1931668642]

二者不可兼得

[sakkyakei]

有个小建议：
因为作者希望初学者初步了解一下计算复杂度，这里是不是可以放一些您觉得比较适合小白的科普文呢？

[krahets]

哈喽，下一节“时间复杂度”和“空间复杂度”即计算复杂度，有做详细介绍～

[Wenwen555]

个人认为作者已经深入浅出的讲解了复杂度的概念啦，尽管没有一个很具体的例子～

[husenlinwei]

这一句“复杂度分析评估的是算法运行效率随着输入数据量增多时的增长趋势。” 貌似可以润色成 “复杂度分析旨在评估随着输入数据量增加，算法运行效率所呈现的增长趋势。” ？

[krahets]

已润色该定义～

[ljl312869]

应该去掉增长 有些算法运行效率和数据量是无关的 是一个常量

[kenLiaowj]

打卡

[yicijohncy]

“它描述了随着输入数据大小的增加，算法执行所需时间和空间的增长趋势”这个定义虽然抽象，但也挺好理解。

前面说过“随着输入数据量的变化，算法会表现出不同的效率”。

也就是说，数据量是「算法执行效率」的重要影响因素。

而时间和空间又是我们重要的消费资源。

把数据量看做 x 值，算法计算 x 值所需时间或空间当做 y 值。

计算出来的数据，就是一个横坐标的点（x，y）。

把不同的点，连接起来，就会是一条曲线。

不同的算法，就会有属于自己的不同“曲线”。

通过观察这条曲线的“陡峭”程度，也就是时间或空间增长的“快慢”，从而评价这个算法的性能。

[krahets]

栩栩如生！

[xx10n31y]

如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。

哈哈, 确实感到些许困惑, 可能这就是理论知识让人略感抽象

[lyy1010e]

打卡

[bolong0810]

打卡10

[liangguitao]

Day 1 : LGT 总结 ：理论估算不同的算法 最后我们都可以用（x,y）抛物线的形式来表示，不同的算法，随着数据量的增加（x改变），那么时间或者空间也可能发生改变（y改变）

[wlll77]

打卡

[Frontend-Yin]

打卡

[sudafin]

打卡

[zerlindali]

我连复杂度都看不懂，咋搞

[krahets]

可以理解个大概，先看后面几章，回头再看这里

[zhanpengtong]

打卡

[mix8889]

嗯，老板
真的写的很好很赞！

[yalishiduozhang]

太强啦！

[UNUKyfmt]

太赞了

[Jensen-C417]

Completed

[krahets]

Hi，建议只在每章的首节打卡，
欢迎在内容章节多分享见解和提问噢～

[Liuhang0624]

2024.3.19

[lwenm]

Completed

[yujingzhou]

‧ 时间效率:算法运行速度的快慢。
这个定义不太准确。更准确的定义应该是

‧ 时间效率:算法运行的计算次数。

[krahets]

“时间效率”整体上指的就是算法在“时间”上的快慢，而非运行计算次数。

即使算法 A 比算法 B 的计算次数更多，但算法 B 仍然可能 比算法 A 更慢（算法 B 的单元操作的平均计算时间长）。

[echo-zmw]

打卡第二章

[gofunbox]

我的智商都看得懂

[NgxuAnGMH]

抛去拗口的概念，采取两种方式实现同一个功能，但是不知道它们的优劣，直接为了这么小的功能进行测试（甚至是整个系统的测试），一是不切实际（资源有限），二是未必能屏蔽所有干扰（环境完全一致）。也因此考虑用复杂度来衡量，估算“时间”和“空间”各自的开销，是一种完全从代码层面（嵌套循环/所用内存多少）就可以估算的指标。