کاراییِ الگوریتم

این‌که کارِ یک الگوریتم با بزرگ شدنِ ورودی‌اش چطور رشد می‌کند - خطی، درجه‌ی دو، ثابت - که با شمردنِ گام‌ها سنجیده و با Big-O نوشته می‌شود، و تعیین می‌کند برنامه‌ای که روی داده‌ی کوچک بی‌درنگ جواب می‌دهد از پسِ داده‌ی واقعی برمی‌آید یا نه.

عمق 1 · پایه

می‌توانید گام‌های یک حلقه و حلقه‌های تودرتو را بشمارید، پیش‌بینی کنید دو برابر شدنِ ورودی چه می‌کند، زمانِ اجرای کد را با time.perf_counter بگیرید، ⁦O(1)⁩ و ⁦O(n)⁩ و ⁦O(n²)⁩ را نام ببرید، و حلقه‌ای پنهان مثلِ x in some_list را تشخیص بدهید.

وارد شوید تا با یک آزمون کوتاه نشان دهید چه می‌دانید، ببینید تا چه عمقی پیش رفته‌اید و امتیاز بگیرید.

ورود با گوگل

عمق‌های فهم

1
پایه
می‌توانید گام‌های یک حلقه و حلقه‌های تودرتو را بشمارید، پیش‌بینی کنید دو برابر شدنِ ورودی چه می‌کند، زمانِ اجرای کد را با time.perf_counter بگیرید، ⁦O(1)⁩ و ⁦O(n)⁩ و ⁦O(n²)⁩ را نام ببرید، و حلقه‌ای پنهان مثلِ x in some_list را تشخیص بدهید.
باز می‌شود پس از
الگوریتمکارایی ویژگیِ یک الگوریتم است، یعنی روشی با گام‌های دقیق، پس اول با الگوریتم آشنا شوید.مجموعه‌ها در کدراه‌حلِ سریعِ معروف، گشتن در لیست را با یک مجموعه عوض می‌کند، پس اول باید مجموعه را بشناسید.

مسیر شما تا اینجا

آنچه هنوز میان شما و کاراییِ الگوریتم، عمق 1 است، به ترتیبی که می‌توانید بیاموزید.

جایگاه این مفهوم

بنا شده بر

الگوریتم مجموعه‌ها در کدساختارهای داده

این مفهوم

کاراییِ الگوریتمالگوریتم‌ها

باز می‌کند

جست‌وجوی دودویی مرتب‌سازی

بنا شده براین مفهومباز می‌کندالگوریتم مجموعه‌ها در کدساختارهای داده کاراییِ الگوریتمالگوریتم‌ها جست‌وجوی دودویی مرتب‌سازی