本文設計實現的一種專用於計算分支定界算法的機羣計算平台,能減少分支定界算法的計算時間複雜度,提高分支定界算法的效率。
結合小間隔數據的特點,提出了一種謂之遷移的新排序方法(以下簡稱為遷移排序),給出了該排序算法的描述、時間複雜度分析及用匯編語言編寫程序進行算法比較的實驗結果。
它將從預定的有效命令行選項列表和時間複雜度為O(1)的查找函數中生成一個散列表。
針對這一問題,比較了幾種常見的反饋環計算方法,得出在時間複雜度上矩陣算法優於行列式算法。
這決定了Packrat解析的時間複雜度是線 *的,但是缺點是需要很大的內存,通常是源代碼大小的幾倍。
用遺傳算法進行數據內部排序,可以打破傳統排序算法在時間複雜度方面所存在的下限,因為求適值部分可並行處理。
採用“大o表示法”客觀地分析了基數排序算法的時間複雜度,給出了基數排序算法的實現和正確*的*,並與比較排序算法作了橫向的運行時間的對比。
在參數優化時,採用擬牛頓法和黃金分割法的組合方案可以同時取得較高的分類準確度和較低的時間複雜度。
基於這種擴充有向圖,提出了一種對象範式生成算法,並給出了算法的時間複雜度分析和正確**。
這些樣本點的求得能有效減少求解最小聚類的時間複雜度。
該分解算法的計算時間複雜度遠小於經典粗糙集約簡算法的計算時間複雜度,在提高計算速度的同時不會損失信息量。