开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

从伪代码中辨别出哪个Big-O的规则是什么？

Big-O表示算法的时间复杂度，用于衡量算法的执行时间随输入规模增长的速度。在伪代码中，可以通过分析算法的执行步骤和循环结构来确定其时间复杂度。

常见的Big-O规则包括：

O(1)：常数时间复杂度，表示算法的执行时间与输入规模无关。例如，执行一次赋值操作或者返回一个常量值的操作。
O(log n)：对数时间复杂度，表示算法的执行时间随输入规模的增长呈对数增长。例如，二分查找算法。
O(n)：线性时间复杂度，表示算法的执行时间与输入规模成线性关系。例如，遍历一个数组或者链表。
O(n log n)：线性对数时间复杂度，表示算法的执行时间随输入规模的增长呈线性对数增长。例如，快速排序和归并排序算法。
O(n^2)：平方时间复杂度，表示算法的执行时间随输入规模的增长呈平方增长。例如，嵌套循环遍历一个二维数组。
O(2^n)：指数时间复杂度，表示算法的执行时间随输入规模的增长呈指数增长。例如，求解斐波那契数列的递归算法。

根据伪代码中的循环结构和执行步骤，可以判断出算法的时间复杂度属于以上哪种规则。需要注意的是，伪代码中可能存在多个循环或者递归调用，需要综合考虑确定最终的时间复杂度。

腾讯云相关产品和产品介绍链接地址：

腾讯云计算产品：https://cloud.tencent.com/product
腾讯云数据库产品：https://cloud.tencent.com/product/cdb
腾讯云服务器产品：https://cloud.tencent.com/product/cvm
腾讯云人工智能产品：https://cloud.tencent.com/product/ai
腾讯云物联网产品：https://cloud.tencent.com/product/iot
腾讯云移动开发产品：https://cloud.tencent.com/product/mobdev
腾讯云存储产品：https://cloud.tencent.com/product/cos
腾讯云区块链产品：https://cloud.tencent.com/product/baas
腾讯云元宇宙产品：https://cloud.tencent.com/product/mu

相关搜索:伪代码中的a*<a[j]是什么？在伪代码中，od的意思是什么？我如何从汇编的代码中辨别出微处理器的体系结构？从JS代码中包含JS文件的最佳方法是什么？在c++中函数返回指针的规则是什么?我的代码中是否遗漏了什么？请解释一下这段Java代码是如何从用户输入中识别出最大数字的？在android中从代码中添加视图到布局的最好方法是什么？我能否从WPF中的代码中识别导致属性更改的触发器中的哪个路由事件？从包含多个音轨的MKV文件中获取语言代码的最优雅方法是什么？从C#中的代码访问prebuild宏(如$(SolutionDir)和$(DevEnvDir)的简单方法是什么？如何从两个按钮获取数据来区分哪个按钮被按下，并在jquery/html中执行正确的代码？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Reading Club | 算法和人生选择：如何给洗好的袜子排序呢？

大数据文摘作品作者：Andy 主播：段天霖在美国的计算机程序及代码问答平台Stack Overflow上，有这样一个神级问题，它在2013年被提出之后，就引发了上千人总计万字以上的激烈讨论：如何在洗完衣服后把洗衣机里10双不同花色甚至大小的袜子精准并高效地匹配起来呢？其实小到一双袜子，大到整个人类社会，排序都是无处不在的：当你打开微信，聊天信息是由最新时间排序的；当你在某宝剁手，商品是按热度排序的；当你百度一下你就知道，你所看到的链接也是按照相关性排列的，甚至度娘和其他搜索引擎本身就是一个复杂的排序引

03

好家伙，被我发现了个数据结构与算法可视化网站！

之前写的这篇文章「女朋友问我：为什么 MySQL 喜欢 B+ 树？我笑着画了 20 张图]，其中里面包含了很多数据结构的动图，有很多读者问我是怎么做的。

06

资源 | AI、神经网络、机器学习、深度学习以及大数据学习备忘单

以下是关于神经网络、机器学习、深度学习以及大数据学习的备忘单，其中部分内容和此前发布的《资源 | 值得收藏的 27 个机器学习的小抄》有所重复，大家可以两篇综合起来看。提示：点击图片查看大图神

（转）人工智能、神经网络、机器学习、深度学习和大数据领域覆盖最全的一份速查表

在过去的几个月里，我一直在收集AI备忘单。我不时与朋友和同事分享这些内容，最近我被问到很多，所以我决定组织和分享整个系列。为了使事情更有趣并给出上下文，我为每个主要主题添加了描述和/或摘录。

04

分析时间与空间复杂度《三钻数据结构与算法笔记》

学习任何一门知识的时候，我们需要分析清楚这门知识的核心是什么，从而在这个核心中我们可以得到什么。如果我们是盲目的吸收知识，其实很多知识我们都是在目前场景、工作、生活中无法使用的。也是因为学习之后无法运用，所以我们很快就会遗忘，或者是在学习的过程中很容易就会放弃。

02

这可能是AI、机器学习和大数据领域覆盖最全的一份速查表

导读：本文是根据 Stefan Kojouharov 发表在 Medium 上的文章整理而成的一份人工智能、神经网络、机器学习、深度学习和大数据方面的速查表。为了便于查找与使用，本文对每个主题进行了分类，希望可以对各位的工作有所帮助。

02

常用数据结构操作与算法复杂度总结

一个算法的实际运行时间很难评估，当时的输入、CPU主频、内存、数据传输速度、是否有其他程序在抢占资源等等，这些因素都会影响算法的实际运行时间。为了公平地对比不同算法的效率，需要脱离开这些物理条件，抽象出一个数学描述。在所有这些因素中，问题的规模往往是决定算法时间的最主要因素。因此，定义算法的时间复杂度(T(n))，用来描述算法的执行时间随着输入规模的增长将如何变化，增长速度是怎样的。

02

【经典干货】GitHub标星10万+，史上最强Google面试指南！

这位名叫John Washam的工程师，换了好几份工作，最后却阴差阳错在2017年成为了亚马逊AWS的技术专家。

02

一份来自亚马逊工程师的Google面试指南，GitHub收获9.8万星，已翻译成中文

一位从1997年就入行的Web工程师，立志要成为Google软件工程师，3年前写下了一篇超完整学习和面试教程，以此作为自己的奋斗计划。

02

大数据和知识管理的关系

假如，我说假如：有一个人或者机构，通过一种简单的方法，已经记录了 1、从2010年1月1日-2014年12月20日，在北京这个地理空间出现的，每个时间点； 2、地理位置和他们对应的体温数据； 3、而且可以持续的记录下去，直到永远的永远。这应该是一个庞大的库了，可以被看做big data。那么，这个记录可以做什么呢？你怎么想？你有兴趣、精力去看这些数据吗？估计对这些数据的处理已经超出了大部分人个人的能力范围，也不是咱们常见的Excel、关系型数据库可以搞定的了。随着智能硬件越来越多，记录“客观事

06

高清图解：神经网络、机器学习、数据科学一网打尽|附PDF

人工神经网络（ANN），俗称神经网络，是一种基于生物神经网络结构和功能的计算模型。它就像一个人工神经系统，用于接收，处理和传输计算机科学方面的信息。

03

干货收藏：AI、深度学习、神经网络、大数据备忘录（附资料）

导读：本文涵盖了神经网络结构、机器学习、TensorFlow、Pandas、Numpy、Python、Scikit-Learn、Scipy等的基本概念与使用方法。

01

每个程序员都应该收藏的算法复杂度速查表

这篇文章覆盖了计算机科学里面常见算法的时间和空间的Big-O 复杂度。在面试中经常被提问到，需要花费很多时间从互联网上查找各种搜索和排序算法的优劣。所以，为了节省大家的时间，我就创建了这个，希望小伙伴们喜欢！

04

精华 | 超全的速查资料【历史最全】

本文涵盖了神经网络结构、机器学习、TensorFlow、Pandas、Numpy、Python、Scikit-Learn、Scipy等的基本概念与使用方法。

03

【知识】AI知识速查表，值得收藏

本文是Chatbots Life创始人Stefan Kojouharov花费数学心血搜集的AI概念速查表，是学习神经网络、机器学习、深度学习与大数据必备之良方。 1. 神经网络 2. 神经网络结构

07

AI速查表：神经网络、机器学习、深度学习与数据科学一览

本文是Chatbots Life创始人Stefan Kojouharov花费数学心血搜集的AI概念速查表，是学习神经网络、机器学习、深度学习与大数据必备之良方。 1. 神经网络 2. 神经网络结构 3. 神经网络公式 4. 机器学习：概览 5. 机器学习：Scikit-learn算法 Scikit-learn是基于Python的功能强大的开源科学计算工具包，内含分类、回归、聚类、支持向量机、随机森林与Gradient Boosting等算法。 6. 机器学习：算法概览 7. Python数据科学 8.

07

AI速查表：神经网络、机器学习、深度学习与数据科学一览

本文是Chatbots Life创始人Stefan Kojouharov花费数学心血搜集的AI概念速查表，是学习神经网络、机器学习、深度学习与大数据必备之良方。 1. 神经网络 2. 神经网络结构

09

GitHub上最励志的计算机自学教程：8个月，从中年Web前端到亚马逊百万年薪软件工程师 | 中文版

John Washam励志要成为一名谷歌软件工程师，但没有CS专业背景的他，只能通过自己的努力来达成理想。

02

CS面试高频22条，你能过关么？

准备CS面试是一个非常累心的过程：算法又多又难，数据结构复杂多变，面向对象设计和系统设计根本没有正确答案，周边的关于计算机体系的基础知识浩如烟海，一般人无从下手。包子培训帮大家梳理了以下22条面试高频考点，大家不妨自己心里算算，看自己是否能顺利过关:) 使用并理解公司的（某一）产品，给出建议；分析算法的时间、空间复杂度（Big-O)；熟练使用一门常用高级编程语言如C/C++/Java，流畅的coding意味着手写代码时没有过多的语法错误；对语言的细节特性有足够的理解，理解语言之间的差异，比如解释执行v

【AI速查表】神经网络、机器学习、深度学习与数据科学一览

1. 神经网络 2. 神经网络结构 3. 神经网络公式 4. 机器学习：概览 5. 机器学习：Scikit-learn算法 Scikit-learn是基于Python的功能强大的开源科学计算工具包

06

AI速查表：神经网络、机器学习、深度学习与数据科学一览

本文是Chatbots Life创始人Stefan Kojouharov花费数学心血搜集的AI概念速查表，是学习神经网络、机器学习、深度学习与大数据必备之良方。（温馨提示：点击图片可查看大图） 1. 神经网络 2. 神经网络结构 3. 神经网络公式 4. 机器学习：概览 5. 机器学习：Scikit-learn算法 Scikit-learn是基于Python的功能强大的开源科学计算工具包，内含分类、回归、聚类、支持向量机、随机森林与Gradient Boosting等算法。 6. 机器学习：算法概览

04

高清图解：神经网络、机器学习、数据科学一网打尽

人工神经网络（ANN），俗称神经网络，是一种基于生物神经网络结构和功能的计算模型。它就像一个人工神经系统，用于接收，处理和传输计算机科学方面的信息。

01

推荐几个算法可视化网站！

很多初学者在学习数据结构与算法的时候，都会觉得很难，很大一部分是因为数据结构与算法本身比较抽象，不好理解。对于这一点，可以通过一些可视化动画来帮助理解。

01

Python数据分析 | 统计与科学计算工具库Numpy介绍

教程地址：http://www.showmeai.tech/tutorials/33

05

同样是从Web导入，为什么PowerBI里的Power Query就比Excel的强？

Power Query我们知道是一种数据清洗的工具，在Excel中就能直接进行使用，而在Power BI中也有着同样功能的Power Query，但是其功能却比Excle中的要强大不少，以常用的网页数据导入而言，在使用Excel中的导入时，其函数对数据的辨别度要低于PowerBI中的。

03

重学计算机组成原理（三）- 进击,更强的性能!

因此工程师们，就在CPU上多放晶体管，不断提升CPU的时钟频率，让CPU更快，程序的执行时间就会缩短。

01

算法概要

定义：如果一个问题的规模是n，解这一问题的某一算法所需要的时间为T(n)，它是n的某一函数T(n)称为这一算法的“时间复杂性”

02

Java中级面试题1

1. 什么是 Java 虚拟机？为什么 Java 被称作是“平台无关的编程语言”？ a) Java 虚拟机是一个可以执行 Java 字节码的虚拟机进程。Java 源文件被编译成能被 Java 虚拟机执行的字节码文件。Java 被设计成允许应用程序可以运行在任意的平台，而不需要程序员为每一个平台单独重写或者是重新编译。Java 虚拟机让这个变为可能，因为它知道底层硬件平台的指令长度和其他特性。 2. JDK 和 JRE 的区别是什么？ a) Java 运行时环境(JRE)是将要执行 Java 程序的 J

02

看完立刻理解 GAN！初学者也没关系

前言 GAN 从 2014 年诞生以来发展的是相当火热，比较著名的 GAN 的应用有 Pix2Pix、CycleGAN 等。本篇文章主要是让初学者通过代码了解 GAN 的结构和运作机制，对理论细节不做过多介绍。我们还是采用 MNIST 手写数据集（不得不说这个数据集对于新手来说非常好用）来作为我们的训练数据，我们将构建一个简单的 GAN 来进行手写数字图像的生成。认识 GAN GAN 主要包括了两个部分，即生成器 generator 与判别器 discriminator。生成器主要用来学习真实图像

05

要进大厂？前端灰度发布必须要知道

灰度发布，又被称之为金丝雀发布，是指某次新发布功能特性和旧功能特性之间能够以平滑过渡的方式呈现给用户，就像金丝雀的羽毛一样多种颜色平滑渐变。

03

威斯康辛大学《机器学习导论》2020秋季课程完结，课件、视频资源已开放

机器之心报道编辑：蛋酱对于机器学习领域的初学者来说，这会是很好的入门课程。目前，课程的笔记、PPT 和视频正在陆续发布中。 2020 年就这么悄无声息地走完了，想必大多数人，尤其是在校学生唯一的感觉就是：「又是毫无学术进展的一年。」别慌，只要马上开始学习，什么时候都不算晚。近日，威斯康辛大学麦迪逊分校助理教授 Sebastian Raschka 在推特上宣布了威斯康辛大学《机器学习导论》2020 秋季课程的完结：「教授两个班级和 230 个学生是相当不错的体验，对于那些感兴趣的人，我整理了一页记

01

数据结构：1. 绪论

01

每个程序员都应该收藏的算法复杂度速查表

算法复杂度这件事这篇文章覆盖了计算机科学里面常见算法的时间和空间的大 O（Big-O）复杂度。我之前在参加面试前，经常需要花费很多时间从互联网上查找各种搜索和排序算法的优劣，以便我在面试时不会被问住。最近这几年，我面试了几家硅谷的初创企业和一些更大一些的公司，如 Yahoo、eBay、LinkedIn 和 Google，每次我都需要准备这个，我就在问自己，“为什么没有人创建一个漂亮的大 O 速查表呢？”所以，为了节省大家的时间，我就创建了这个，希望你喜欢！ — Eric 图例绝佳不错一般不佳糟糕数据结

06

每个程序员都应该收藏的算法复杂度速查表

这篇文章覆盖了计算机科学里面常见算法的时间和空间的大 O（Big-O）复杂度。我之前在参加面试前，经常需要花费很多时间从互联网上查找各种搜索和排序算法的优劣，以便我在面试时不会被问住。最近这几年，我面试了几家硅谷的初创企业和一些更大一些的公司，如 Yahoo、eBay、LinkedIn 和 Google，每次我都需要准备这个，我就在问自己，“为什么没有人创建一个漂亮的大 O 速查表呢？”所以，为了节省大家的时间，我就创建了这个，希望你喜欢！

03

开发 | 看完立刻理解GAN！初学者也没关系

AI 科技评论按：本文原作者天雨粟，原文载于作者的知乎专栏——机器不学习，经授权发布。前言 GAN 从 2014 年诞生以来发展的是相当火热，比较著名的 GAN 的应用有 Pix2Pix、CycleGAN 等。本篇文章主要是让初学者通过代码了解 GAN 的结构和运作机制，对理论细节不做过多介绍。我们还是采用 MNIST 手写数据集（不得不说这个数据集对于新手来说非常好用）来作为我们的训练数据，我们将构建一个简单的 GAN 来进行手写数字图像的生成。认识 GAN GAN 主要包括了两个部分，即生成器 ge

MONGODB 性能优化 10 个TIPS 来自超级专家的经验

偶然看到一个视频，关于mongodb 的 10 erformance tuning TIPS ，介绍这与下面的三位是同时期的IT 工作者，下面图中的三位就没有必要介绍了，都是 big potato，介绍者写过图中的这些书籍。

02

NIO中那些奇怪的Buffer

妖魔鬼怪快快显形，今天F师兄帮助小师妹来斩妖除魔啦，什么BufferB，BufferL，BufferRB，BufferRL，BufferS，BufferU，BufferRS，BufferRU统统给你剖析个清清楚楚明明白白。

02

二分查找法的实现和应用汇总

在学习算法的过程中，我们除了要了解某个算法的基本原理、实现方式，更重要的一个环节是利用big-O理论来分析算法的复杂度。在时间复杂度和空间复杂度之间，我们又会更注重时间复杂度。时间复杂度按优劣排差不多集中在： O(1), O(log n), O(n), O(n log n), O(n2), O(nk), O(2n) 到目前位置，似乎我学到的算法中，时间复杂度是O(log n),好像就数二分查找法，其他的诸如排序算法都是 O(n log n)或者O(n2)。但是也正是因为有二分的 O(log n), 才让很

05

二分查找法的实现和应用汇总

在学习算法的过程中，我们除了要了解某个算法的基本原理、实现方式，更重要的一个环节是利用big-O理论来分析算法的复杂度。在时间复杂度和空间复杂度之间，我们又会更注重时间复杂度。时间复杂度按优劣排差不多集中在： O(1), O(log n), O(n), O(n log n), O(n2), O(nk), O(2n) 到目前位置，似乎我学到的算法中，时间复杂度是O(log n),好像就数二分查找法，其他的诸如排序算法都是 O(n log n)或者O(n2)。但是也正是因为有二分的 O(log n), 才让很

06

Nginx 反向代理

代理在生活中非常常见，房屋中介是代理、终端零售是代理、选举代表是代理。这些代理都可以帮助需求方减轻很多工作的复杂度，提升效率和体验。

02

Nginx专题（1）：Nginx之反向代理及配置

摘要：本文从Nginx的概念出发，分别从反向代理的概念、优势、配置代码3个方面介绍了Nginx的特性之一反向代理。

Micro-targeting：大数据分析在政治领域的应用

美国总统大选已经进入了白热化阶段，各竞选团队为了给候选人拉票可谓绞尽脑汁，使出浑身解数。今天为大家介绍的这个“micro-targeting”，是数据分析在政治选举中的一个投影，政治家们通过各种途径构建自己的数据库，利用数据分析设计自己的竞选活动。有人会说，川普此人个性鲜明、口无遮拦，居然赢得共和党初选走入巅峰对决，怎么解释？先往下看吧~！ ---- Micro-targeting，是在美国选举中一个常用的竞选策略，中文名可能叫“微目标”。 Micro-targeting是什么？根据维基百科的定义：

python实现斐波那契数列的多种方式

The great pleasure in life is doing what people say you cannot do.

03

JavaIO之:NIO中那些奇怪的Buffer

妖魔鬼怪快快显形，今天F师兄帮助小师妹来斩妖除魔啦，什么BufferB，BufferL，BufferRB，BufferRL，BufferS，BufferU，BufferRS，BufferRU统统给你剖析个清清楚楚明明白白。

04

鼠标拖动就能实现的P图黑科技，PS瞬间不香了

AI，作为一个强大的生产力工具，正在逐步渗透到各行各业中去，这不图片领域，又放出一个王炸：通过鼠标拖动就可以完成图片变换。

02

ChatGPT又被「奶奶漏洞」骗了！PS奶奶遗物，骗Bing完美识别验证码

简单来说，这是一个prompt技巧，有些事明说的话ChatGPT会义正言辞的拒绝你。

02

分治思想 : 并归排序与其时间复杂度

这种把大问题分解成小问题来解决(治理) [ Divide And Conquer 我觉得Conquer应该翻译成解决比较好 ] 的方法被称为 ‘ 分治 ’

02

Java技术300+面试题

一年一度的面试高峰期又来了，技术学习群的很多朋友问我有没有关于Java基础面试题，网上各种面试题没有分类很混乱，无法系统性参考学习。

07

初学者也能懂的Event Loop

对于初学者来说，在面试或者学习的过程中，几乎都能接触到事件循环 (Event Loop) 这个名词，但是对于一个刚入门的前端工程师来说大部分都不明白事件循环到底是什么东西，以及它的作用是什么。今天这篇文章就是以一段代码和图片的示例来展示一个简单的事件循环的过程，希望看完这篇文章，能够让你对 JavaScript 的事件循环有一个基本的概念。

02

详解Python中的可哈希对象与不可哈希对象（二）

前言：我们经常会听见很多的概念，哈希值，哈希表，可哈希对象，不可哈希对象，散列表，字典，映射，等等，那么这么多的概念后面到底又有什么区别和联系，它们的本质又是怎么样的，本此系列文章将针对这些概念进行说明，鉴于篇幅较多，本次系列文章将分为两篇来说明，此为第二篇，会涉及到以下概念，可变对象mutable与不可变对象inmutable，可哈希hashable与不可哈希unhashable，为什么字典dict的键Key一定要是可哈希的？

06

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭