📌 7 распространённых асимптотических сложностей алгоритмов — 22 марта 2026 г. в 11:00:02.987
📌 7 распространённых асимптотических сложностей алгоритмов 1. O(1) — Константное время - Время выполнения не зависит от размера входных данных. - Пример: доступ к элементу массива по индексу. 2. O(log n) — Логарифмическое время - Время выполнения растёт медленно при увеличении размера входных данных. Обычно встречается в алгоритмах, которые на каждом шаге делят задачу пополам. - Пример: бинарный поиск в отсортированном массиве. 3. O(n) — Линейное время - Время выполнения растёт прямо пропорционально размеру входных данных. - Пример: поиск элемента в массиве перебором всех элементов. 4. O(n log n) — Линейно-логарифмическое время - Время выполнения растёт чуть быстрее линейного, включает логарифмическое число операций для каждого элемента. - Пример: сортировка массива быстрой сортировкой или сортировкой слиянием. 5. O(n²) — Квадратичное время - Время выполнения пропорционально квадрату размера входных данных. - Пример: сортировка пузырьком, где сравниваются и при необходимости меняются местами все пары элементов. 6. O(2ⁿ) — Экспоненциальное время - Время выполнения удваивается с каждым новым элементом во входных данных. Такие алгоритмы становятся непрактичными для больших входных размеров. - Пример: генерация всех подмножеств множества. 7. O(n!) — Факториальное время - Время выполнения пропорционально факториалу размера входных данных. - Пример: генерация всех перестановок множества. ♻️ Сделай репост, чтобы помочь другим. 👉 @Bookflow