Giải SBT Tin học 11 KNTT Bài 24. Đánh giá độ phức tạp thời gian thuật toán có đáp án
10 câu hỏi
Giả sử một chương trình P mô tả một thuật toán nào đó. Người ta đo được các thông tin thời gian sau:
T1 = thời gian chương trình nhập dữ liệu input và đưa vào bộ nhớ.
T2 = thời gian chạy chương trình từ khi nhập xong dữ liệu input và tính xong dữ liệu output.
T3 = thời gian đưa dữ liệu output ra thiết bị ngoài chuẩn.
Khi đó thời gian chạy chương trình T(n) dùng để tính độ phức tạp thời gian của thuật toán là phương án nào trong các phương án sau?
A. T1 + T2.
B. T2.
C. T2+T3.
Đáp án đúng là: B. T2. T2 = thời gian chạy chương trình từ khi nhập xong dữ liệu input và tính xong dữ liệu output.
Đánh giá thời gian chạy của chương trình sau:
Đánh giá thời gian chạy của chương trình như sau: T(n) = n+2.
Đánh giá thời gian chạy của chương trình sau:
Đánh giá thời gian chạy của chương trình sau: T(n) = 2log2n + 2.
Đánh giá thời gian chạy của chương trình sau, trong đó A là ma trận vuông bậc n.
Đánh giá thời gian chạy của chương trình sau, trong đó A là ma trận vuông bậc n.
T(n) = n2 + 2.
Đánh giá thời gian chạy của chương trình sau tính theo đơn vị thời gian, A là một dãy số cho trước có n phần tử.
T(n) = (3/2).n2 + (5/2)n + 1 trong trường hợp xấu nhất.
Đánh giá thời gian chạy của thuật toán sắp xếp chèn đã học trong sách giáo khoa.
T(n) = 2n2 – 3n + 2 trong trường hợp xấu nhất.
Đánh giá thời gian chạy của thuật toán sắp xếp nổi bọt đã học trong sách giáo khoa.
T(n) = 2n2 – 2n + 1 trong trường hợp xấu nhất.
Tính độ phức tạp của các hàm sau theo kí hiệu O-lớn.
a) n + 2n.log(n) + 10.
b) 2n2 + 3n3log(n) + n3/2.
c) 2" + 3" + 5".
a) O(nlogn);
b) O(n3.logn);
c) O(5").
a) Chứng minh n = O(n2).
b) Chứng minh n2 = O(n).
a) Vì hiển nhiên n < n với n > 1 nên suy ra n = O(n).
b) Nếu như n2 = O(n) thì ta phải có n2 < C.n với n đủ lớn, nhưng từ bất đẳng thức này suy ra n < C. Mâu thuẫn. Vậy suy ra n = O(n).
Chứng minh rằng nếu f(n) = O(g(n)) và g(n) = O(h(n)) thì ta có: f(n) = O(h(n)).
