Saya suka artikel ini , berharap Anda akan merasakan manfaatnya juga!
Mengutip bagian dari artikel:
Huruf Yunani Besar
Big O sering disalahgunakan. Big O atau Big Oh sebenarnya adalah kependekan dari Big Omicron. Ini mewakili batas atas kompleksitas asimptotik. Jadi jika suatu algoritma adalah O (n log n) ada konstanta c sedemikian rupa sehingga batas atas adalah cn log n.
Θ (n log n) (Big Theta) lebih terikat dari itu. Algoritma semacam itu berarti ada dua konstanta c1 dan c2 sedemikian rupa sehingga c1n log n <f (n) <c2n log n.
Ω (n log n) (Omega Besar) mengatakan bahwa algoritma memiliki batas cn log yang lebih rendah.
Ada yang lain tetapi ini adalah yang paling umum dan Big O adalah yang paling umum dari semua. Perbedaan seperti itu biasanya tidak penting tetapi perlu dicatat. Notasi yang benar adalah notasi yang benar.
Apa itu Big O?
Notasi O besar berusaha untuk menggambarkan kompleksitas relatif dari suatu algoritma dengan mengurangi tingkat pertumbuhan ke faktor-faktor kunci ketika faktor kunci cenderung menuju tak terbatas. Karena alasan ini, Anda akan sering mendengar ungkapan kompleksitas asimptotik. Dengan demikian, semua faktor lain diabaikan. Ini adalah representasi relatif dari kompleksitas.
Apa Bukan Big O?
Big O bukanlah tes kinerja suatu algoritma. Ini juga bersifat nosional atau abstrak karena cenderung mengabaikan faktor-faktor lain. Kompleksitas algoritma pengurutan biasanya dikurangi menjadi jumlah elemen yang diurutkan sebagai faktor kunci. Ini baik-baik saja tetapi tidak memperhitungkan masalah akun seperti:
Penggunaan Memori: satu algoritma mungkin menggunakan lebih banyak memori daripada yang lain. Bergantung pada situasinya, ini bisa berupa apa pun dari yang sama sekali tidak relevan hingga kritis; Biaya Perbandingan: Mungkin saja membandingkan elemen sangat mahal, yang berpotensi akan mengubah perbandingan dunia nyata antara algoritma; Biaya Elemen Bergerak: elemen penyalinan biasanya murah tetapi hal ini belum tentu demikian; dll.