algorithm/hello-algo
1
0
Fork 0
mirror of https://github.com/krahets/hello-algo.git synced 2025-10-31 02:17:06 +08:00
Code Issues Packages Projects Releases Wiki Activity

Sync zh and zh-hant versions (#1801)

Browse Source 
* Sync zh and zh-hant versions.

* Unifying "数据体量" -> "数据规模".
This commit is contained in:
Yudong Jin
2025-08-28 04:51:02 +08:00
committed by GitHub
parent 803c0e09c7
commit 7b320e14fe
12 changed files with 48 additions and 54 deletions
Download Patch File Download Diff File Expand all files Collapse all files

4
docs/chapter_computational_complexity/performance_evaluation.md
View File

@ -26,10 +26,10 @@
由于实际测试具有较大的局限性，我们可以考虑仅通过一些计算来评估算法的效率。这种估算方法被称为<u>渐近复杂度分析（asymptotic complexity analysis）</u>，简称<u>复杂度分析</u>。
复杂度分析能够体现算法运行所需的时间和空间资源与输入数据体量之间的关系。**它描述了随着输入数据体量的增加，算法执行所需时间和空间的增长趋势**。这个定义有些拗口，我们可以将其分为三个重点来理解。
复杂度分析能够体现算法运行所需的时间和空间资源与输入数据规模之间的关系。**它描述了随着输入数据规模的增加，算法执行所需时间和空间的增长趋势**。这个定义有些拗口，我们可以将其分为三个重点来理解。
- “时间和空间资源”分别对应<u>时间复杂度（time complexity）</u>和<u>空间复杂度（space complexity）</u>。
- “随着输入数据体量的增加”意味着复杂度反映了算法运行效率与输入数据体量之间的关系。
- “随着输入数据规模的增加”意味着复杂度反映了算法运行效率与输入数据规模之间的关系。
- “时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间增长的“快慢”。
**复杂度分析克服了实际测试方法的弊端**，体现在以下几个方面。