Algorithmen lernen

Kapitel 2. Algorithmen analysieren

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel lernst du:

• Wie man die Big O Notation verwendet, um die Leistung von Algorithmen (in Zeit oder Speicherung) zu klassifizieren

• Verschiedene Leistungsklassen, darunter:

  • O(1) oder konstant

  • O(log N) oder logarithmisch

  • O(N) oder linear

  • O(N log N)¹

  • O(^N2) oder quadratisch

• Wie die asymptotische Analyse die Zeit (oder den Speicherplatz), die ein Algorithmus zur Bearbeitung eines Problems der Größe N benötigt, in Abhängigkeit von N schätzt.

• Wie man mit Arrays arbeitet, deren Werte in aufsteigender, sortierter Reihenfolge erscheinen.

• Der Binäre Array-Suchalgorithmus zum Auffinden von Werten in einem sortierten Array.

Dieses Kapitel führt in die Terminologie und Notation ein, die von Theoretikern und Praktikern gleichermaßen verwendet werden, um die Leistung von Algorithmen in Form von Rechenleistung und Ressourcenverbrauch zu modellieren. Wenn du die Laufzeitleistung deines Softwareprogramms bewertest, bist du vielleicht vollkommen zufrieden und kannst die Anwendung so weiter nutzen, wie sie ist. Wenn du aber die Laufzeitleistung verbessern willst, zeigt dir dieses Buch, wo du ansetzen musst - bei den Datenstrukturen und Algorithmen des Programms. Du wirst mit einigen konkreten Fragen konfrontiert:

Löse ich ein bestimmtes Problem auf die effizienteste Weise?

Möglicherweise ...