La complexité de l'algo, ou l'évolution de sa complexité par rapport à sa charge (sa derivation quoi )???
La complexité c'est, justement, le 'O(x)', et ça indique la croissance du temps mis à accomplir la tache en fonction du nombre de données.
O(1) => temps constant quelque soit la quantité de données
O(n) => temps croissant linéairement avec la quantité de données
Les autres complexités fréquemment rencontrées sont O(N^2), O(exp(n)), O(ln(n)) et O(n ln(n)) (si ma mémoire est bonne, ça fait un bail que j'ai étudié ça en fac :-).
Par exemple un algo en O(n^2) qui met 3 secondes pour processer un tableau de 100 entiers mettra 9 secondes pour en processer 200.
Si je me souviens bien on avait démontré qu'un algo de tri était au mieux en O(n ln(n)).
ou puis-je me renseigner pour comprendre ce jargon ?
C'est pas un jargon, c'est de la théorie algorithmique de base, tu trouvera ça dans n'importe quel bouquin de cours sur le sujet.
[^] # Re: Avancées technologiques du prochain Kernel
Posté par Guillaume Laurent . En réponse à la dépêche Avancées technologiques du prochain noyau Linux. Évalué à 10.
La complexité c'est, justement, le 'O(x)', et ça indique la croissance du temps mis à accomplir la tache en fonction du nombre de données.
O(1) => temps constant quelque soit la quantité de données
O(n) => temps croissant linéairement avec la quantité de données
Les autres complexités fréquemment rencontrées sont O(N^2), O(exp(n)), O(ln(n)) et O(n ln(n)) (si ma mémoire est bonne, ça fait un bail que j'ai étudié ça en fac :-).
Par exemple un algo en O(n^2) qui met 3 secondes pour processer un tableau de 100 entiers mettra 9 secondes pour en processer 200.
Si je me souviens bien on avait démontré qu'un algo de tri était au mieux en O(n ln(n)).
ou puis-je me renseigner pour comprendre ce jargon ?
C'est pas un jargon, c'est de la théorie algorithmique de base, tu trouvera ça dans n'importe quel bouquin de cours sur le sujet.