算法|信鸽 VS 互联网：理解Big O编程的基础知识
文章图片
文章图片
文章图片
全文共1175字 ， 预计学习时长3分钟
过去几个月我一直在学习软件开发 ， 常常会注意到一些开发概念 。 就在最近 ， 我偶然发现了一个最疯狂的故事 。
这个故事发生在十多年前 ， 一家使用慢速互联网的公司想出了一个主意：使用世界上最耗时的互联网传输大量数据 ， 并与信鸽竞速 ， 目的地是他们约50英里外的办公室 。 当然 ， 我和大多数人想的一样 ， 他们实在是闲得慌 ， 信鸽怎么可能打败互联网 。
故事中常见的反转发生了 ， 处于劣势的一方胜出 ， 信鸽成功地占了上风 。 但我的第一反应依然是：“这太荒谬了 。 我从没听说过这样的事情 。 这不可能！”但随即我又想到之前给别人发送一个30分钟的视频时 ， 上传和传输有多么复杂 。
信鸽和互联网的整个故事引出了算法效率的概念 ， 也就是“BigO” 。
当我现在回想那个故事时 ， 很容易看出信鸽是多么忠实地在运输 。 不管信鸽运送的是什么 ， 它们的飞行路线都是一样的（不考虑恶劣天气） 。 然而 ， 互联网与之大相径庭 ， 传输时间与数据多少密切相关 。
那么传输时间和数据多少的关系究竟是什么样的呢？BigO就是关于输入变量的运行时间尺度 。 信鸽的传输速度表示为O(1) ， 而大量的互联网传输时间表示为O(N) 。
下面是关于“BigO”和标准增长顺序的一些常见例子 。
需要注意的一点是 ， BigO总是假设上限 ， 即认为算法将执行最大次数的迭代 。
【算法|信鸽 VS 互联网：理解Big O编程的基础知识】O(N)是一种算法 ， 它会线性增长 ， 并且与数据集大小成正比 。 它将决定函数是在读取完第一个元素后返回true ， 还是在读取完等式的所有项后返回false 。
它代表一个函数 ， 其算法与输入规模的平方成正比 。 当增加更多嵌套迭代时 ， 输入规模可能会变大 ， 这只会增加等式的复杂性 ， 也可以进行三次或者四次迭代 。
O(1)非常简单 ， 它代表的函数不管输入次数是多少 ， 取值总是保持不变 。
它代表的函数对于输入中的每个元素 ， 函数性能将翻倍 。 该函数对每个输入数字递归调用两次 ， 直到它小于或等于1 。 其中一个例子是斐波那契数列 ， 其通过将前面两个数字相加得到下一个数字实现一串数字的迭代 。
(2 ， 2 ， 4 ， 6 ， 10 ， 16 ， 26 ， 42…)
最后 ， 还有O(logn) ， 在此我不再赘述了 。 如果你对算法或分析其整体可扩展性和效率感兴趣 ， 那么建议你继续深入了解BigO 。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载 ， 请后台留言 ， 遵守转载规范
推荐阅读
- ai算法|62个AI算法被指存在重大问题，都不具有新冠临床诊断价值
- 白酒|一瓶啤酒等于多少白酒？和别人拼酒，如何比更公平？科学算法来了
- 人工智能|中国人工智能，赏花更要寻根
- 大厂|互联网大厂争相下场养猪，不只是吸引眼球这么肤浅
- 太空探索技术公司|SpaceX又发射一批星链互联网卫星
- 劳动者|互联网经济下劳工原子化，劳动者如何说“不”？
- 互联网|南阳市互联网驾驶人体检业务办理地点公布！
- 燕窝|
- 移动互联网|微信又放大招！网友：终于不用转QQ了
- 华为|逆变器与跟踪支架智能联控技术SDS（智能跟踪算法）白皮书发布，附下载