TIME COMPLEXITY Tiếng việt là gì - trong Tiếng việt Dịch

• độ phức tạp thời gian
• thời gian complexity
• sự phức tạp về thời gian

Ví dụ về việc sử dụng Time complexity trong Tiếng anh và bản dịch của chúng sang Tiếng việt

This code having O(1) Time Complexity.
Hàm có O( 1) thời gian complexity.

The time complexity of A* depends on the heuristic.
Độ phức tạp thời gian của A* phụ thuộc vào đánh giá heuristic.

That's why it is has O(1) time complexity.
Hàm có O( 1) thời gian complexity.

The time complexity of the algorithm in Example 2 is(N2).
Độ phức tạp thời gian của thuật toán trong ví dụ 2 là( N2).

The MakeSet operation has O(1) time complexity.
Hàm có O( 1) thời gian complexity.

How do i check the time complexity of a comprehension.
Làm thế nào để tìm độ phức tạp thời gian của một thuật toán.

How can building a heap be O(n) time complexity?
Làm thế nào có thể xây dựng một đống O( n) thời gian phức tạp?

It has the time complexity of O(nLogn) to perform enough comparisons.
Nó có độ phức tạp thời gian của O( nLogn) để thực hiện so sánh.

This approach runs in O(N) time complexity.
Do đó hàm này là O( n) về độ phức tạp thời gian.

Time complexity of this algorithm is at least at most roughly quadratic.”.
Giá trị tối thiểu của độ phức tạp thời gian của thuật toán này tối đa là xấp xỉ hàm bậc hai".

With a local company, there will be no time complexity.
Với một công ty địa phương, sẽ không có thời gian phức tạp.

We have to consider time complexity and space complexity..
Phải xem xét đến độ phức tạp thời gian và độ phức tạp không gian..

To show a lower bound of T(n) for a problem requires showing that no algorithm can have time complexity lower than T(n).
Để hiển thị giới hạn dưới của T( n) cho một vấn đề yêu cầu cho thấy rằng không có thuật toán nào có thể có độ phức tạp thời gian thấp hơn T( n).

For the algorithm from Example 2 we would say“The time complexity of this algorithm is O(N2)” or shortly“This algorithm is O(N2)”.
Đối với thuật toán trong ví dụ 2 chúng ta có thể nói“ độ phức tạp thời gian của thuật toán là O( N2) hoặc ngắn gọn là“ thuật toán là O( N2)”.

Radix Sort is, however, a faster technique than Quick Sort as it sorts the elements in a linear model with O(n) time complexity.
Tuy nhiên, Radix Sort là một kỹ thuật nhanh hơn QuickSort vì nó sắp xếp các phần tử trong một mô hình tuyến tính với độ phức tạp thời gian O( n).

What is the difference between time complexity and space complexity?.
Sự khác nhau giữa độ phức tạp thời gian và độ phức tạp không gian?.

The explanation below is using the case of a fully balanced binary tree to help you understand how we get logarithmic time complexity.
Lời giải thích dưới đây là sử dụng hoàn toàn cân bằng cây nhị phân để giúp bạn hiểu cách chúng tôi nhận được sự phức tạp về thời gian logarit.

We call this function, i.e. what we put within Θ( here), the time complexity or just complexity of our algorithm.
Chúng ta gọi hàm này, tức là những gì chúng ta đặt trong Θ( ở đây) là sự phức tạp về thời gian hoặc phức tạp của thuật toán.

To show an upper bound T(n) on the time complexity of a problem, one needs to show only that there is a particular algorithm with running time at most T(n).
Để hiển thị giới hạn trên T( n) về độ phức tạp thời gian của một vấn đề, người ta chỉ cần chỉ ra rằng có một thuật toán cụ thể với thời gian chạy nhiều nhất T( n).

Logarithmic running time(O(log n)) essentially means that the running time grows in proportion to the logarithm of the input size- as an example, if 10 items takes at most some amount of time x, and 100 items takes at most, say, 2x, and 10,000 items takes at most 4x, then it's looking like an O(log n) time complexity.
Thời gian chạy logarit( O( log n)) về cơ bản có nghĩa là thời gian chạy tăng theo tỷ lệ với logarit kích thước đầu vào- làm ví dụ, nếu 10 mục mất nhiều thời gian nhất định xvà 100 mặt hàng mất nhiều nhất, giả sử, 2xvà 10.000 mục mất nhiều nhất 4x, sau đó nó trông giống như một O( log n) thời gian phức tạp.

Understanding the implementation will help you in assessing the time complexity, which will help you in further optimizing your code.
Hiểu về việc triển khai sẽ giúp bạn đánh giá độ phức tạp của thời gian, điều này sẽ giúp bạn tối ưu hóa hơn nữa mã của mình.

A common algorithm with O(log n) time complexity is Binary Search whose recursive relation is T(n/2)+ O(1) i.e. at every subsequent level of the tree you divide problem into half and do constant amount of additional work.
Một thuật toán phổ biến với độ phức tạp thời gian O( log n) là Tìm kiếm nhị phân có quan hệ đệ quy là T( n/ 2)+ O( 1) tức là ở mỗi cấp độ tiếp theo của cây bạn phân chia vấn đề thành một nửa và thực hiện công việc bổ sung liên tục.

The standard multiplication algorithm has complexity O(n²), but the time complexity has been long conjectured to be O(n log(n)), which was proved in 2019.[1].
Thuật toán nhân chuẩn có độ phức tạp O( n²), nhưng độ phức tạp thời gian từ lâu đã được phỏng đoán là O( nlog( n)), điều này đã được chứng minh vào năm 2019.[ 1].

Time complexity is generally expressed as the number of required elementary operations on an input of size n, where elementary operations are assumed to take a constant amount of time on a given computer and change only by a constant factor when run on a different computer.
Độ phức tạp thời gian thường được biểu thị bằng số lượng các thao tác cơ bản cần thiết trên một đầu vào có kích thước n, trong đó các hoạt động cơ bản được giả định là mất một lượng thời gian không đổi trên một máy tính nhất định và chỉ thay đổi bởi một yếu tố không đổi khi chạy trên một máy tính khác.

Adaptive, i.e., efficient for data sets that are already substantially sorted: the time complexity is O(nk) when each element in the input is no more than k places away from its sorted position.
Thích ứng( Adaptive): hiệu quả cho các tập dữ liệu đã được sắp xếp đáng kể, độ phức tạp thời gian là O( nk) khi mỗi phần tử trong đầu vào không quá k vị trí so với vị trí được sắp xếp của nó.

The sum rule is intuitive to understand; time complexities can be added.
Quy tắc tổng trực quan để hiểu, độ phức tạp thời gian có thể được cộng.

The efficiency of logarithmic time complexities is apparent with large inputs such as a million items.
Hiệu quả của độ phức tạp thời gian logarit xuất hiện với số lượng đầu vào lớn như hàng triệu items.

If we allow polynomial variations in running time, Cobham-Edmonds thesis states that“the time complexities in any two reasonable and general models of computation are polynomially related”( Goldreich 2008, Chapter 1.2).
Nếu chúng ta cho phép các biến đổi đa thức trong thời gian chạy, luận án Cobham- Edmonds nói rằng“ độ phức tạp thời gian trong bất kỳ hai mô hình tính toán hợp lý và tổng quát nào đều có liên quan đến đa thức”( Goldreich 2008, Chương 1.2).

If you need to use a data structure that the language does not support, such as a Queue or Heap in JavaScript, perhaps try asking the interviewer whether you can assume that you have a data structure that implements certain methods with specified time complexities.
Nếu bạn cần sử dụng cấu trúc dữ liệu mà ngôn ngữ lại không hỗ trợ, chẳng hạn như queue hoặc heap trong JavaScript, hãy hỏi người phỏng vấn nếu bạn có thể giả định rằng bạn có cấu trúc dữ liệu triển khai các phương pháp nhất định với độ phức tạp thời gian cụ thể.