1. Définition

Notation mathématique qui décrit la limite supérieure du temps d'exécution ou l'utilisation d'un espace d'algorithme. Il est désigné comme ou (f (n)) , où f (n) est une fonction qui représente le temps ou l'espace en fonction de la taille d'entrée n .

2. Objectif

Comparaison des algorithmes
• : vous permet de comparer différents algorithmes et de choisir le plus efficace pour un problème donné. évolutivité
: il aide à prédire comment un algorithme se comportera lorsque la quantité de données augmentera.
• 3. Analyse de la complexité

Pire cas

• meilleur cas et cas moyen : Bien qu'ils soient importants, ils sont utilisés moins fréquemment pour le Big O.
• 4. Espace Vs. Temps

: il fait référence au temps qu'il faut pour qu'un algorithme s'exécute.

Complexité spatiale
• : fait référence à la quantité de mémoire supplémentaire que vous utilisez. Vous pouvez avoir des notations telles que ou (1) (espace constant) ou
(espace linéaire).
• Exemple: Importer TimeIt Importer Matplotlib.pyplot en tant que plt Importer CPROFILE # O (1) Def constant_time_operation (): retour 42 # O (log n) Def logarithmic_time_opération (n): Comte = 0 Tandis que n> 1: N // = 2 Compter = 1 Return Count # Ou (n) def linear_time_opération (n): Total = 0 pour i à portée (n): Total = i Rendement total # O (n log n) def linear_logarithmic_time_opération (n): Si n