Hvad er worst case og gennemsnitlige sagskompleksitet for binært søgetræ?
Hvad er worst case og gennemsnitlige sagskompleksitet for binært søgetræ?

Video: Hvad er worst case og gennemsnitlige sagskompleksitet for binært søgetræ?

Video: Hvad er worst case og gennemsnitlige sagskompleksitet for binært søgetræ?
Video: 1.11 Best Worst and Average Case Analysis 2024, Kan
Anonim

Binært søgetræ

Algoritme Gennemsnit Værste tilfælde
Plads På) På)
Søg O(log n) På)
Indsæt O(log n) På)
Slet O(log n) På)

Desuden, hvad er den store O worst case tidskompleksitet af et binært søgetræ?

Den rekursive struktur af en BST giver en rekursiv algoritme. Søger i en BST har O (h) værst - sag køretid kompleksitet , hvor h er højden af træ . Siden s binært søgetræ med n noder har et minimum af O (log n) niveauer, det tager mindst O (log n) sammenligninger for at finde en bestemt knude.

For det andet, hvad er tidskompleksiteten af binær søgning med iteration? Udførelse af Binær søgealgoritme : Derfor, tidskompleksitet af binær søgealgoritme er O(log2n) hvilket er meget effektivt. Hjælperum brugt af den er O(1) for iterativ implementering og O(log2n) til rekursiv implementering på grund af call stack.

Spørgsmålet er også, hvad der ville være den værste tidskompleksitet ved at søge et element i et binært søgetræ?

Tidskompleksitet : Det worst case tidskompleksitet af Søg og indsætningsoperationer er O(h), hvor h er højden af Binært søgetræ . I værste tilfælde , vi kan har til rejse fra rod til den dybeste bladknude. Højden af en skæv træ kan blive n og den tidskompleksitet af Søg og indsæt betjening kan blive O(n).

Er Big O det værste tilfælde?

Så i binær søgning, den bedste sag er O (1), gennemsnit og værste tilfælde er O (logn). Kort sagt, der er ingen form for forhold af typen " store O bruges til værste tilfælde , Theta i gennemsnit sag ". Alle typer notation kan bruges (og nogle gange bruges), når man taler om bedst, gennemsnitlig eller værste tilfælde af en algoritme.

Anbefalede: