คำถามติดแท็ก reference-request

คำขออ้างอิงถูกใช้เมื่อผู้แต่งต้องการทราบเกี่ยวกับงานที่เกี่ยวข้องกับคำถาม

1
ความซับซ้อนของการสืบค้นที่ดีที่สุดของอัลกอริทึมการเรียนรู้ Goldreich-Levin / Kushilevitz-Mansour
ความซับซ้อนของการสืบค้นที่รู้จักกันดีที่สุดของอัลกอริทึมการเรียนรู้ Goldreich-Levin คืออะไร? บันทึกการบรรยายจากบล็อก Luca Trevisan ของ , บทแทรกที่ 3 ระบุว่ามันเป็นn) นี่เป็นที่รู้จักกันดีที่สุดในแง่ของการพึ่งพาหรือไม่? ฉันจะขอบคุณเป็นพิเศษสำหรับการอ้างอิงไปยังแหล่งข้อมูลอ้างอิง!O ( 1 / ϵ4ไม่มีบันทึกn )O(1/ε4nเข้าสู่ระบบ⁡n)O(1/\epsilon^4 n \log n)nnn คำถามที่เกี่ยวข้อง: ความซับซ้อนของการสืบค้นที่รู้จักกันดีที่สุดของอัลกอริทึมการเรียนรู้ Kushilevitz-Mansour คืออะไร?

1
เงื่อนไขที่เพียงพอสำหรับความสม่ำเสมอของภาษาที่ไม่มีบริบท
มันจะเป็นการดีที่จะรวบรวมรายการเงื่อนไขที่บ่งบอกว่าภาษาที่ไม่มีบริบท L เป็นปกตินั่นคือเงื่อนไขของแบบฟอร์ม: "ถ้า CFG / PDA ที่กำหนดมีคุณสมบัติ P แล้วภาษาของมันก็เป็นปกติ" คุณสมบัติ P ไม่จำเป็นต้องระบุลักษณะ CFG ที่สร้างภาษาปกติ นอกจากนี้ P ไม่จำเป็นต้อง decidable และ P ควร "ขึ้นอยู่กับ" ในภาษาที่ปราศจากบริบท บนไม่ใช่สิ่งที่ฉันกำลังมองหา)

2
ความซับซ้อนของการเพิ่มประสิทธิภาพมากกว่ากลุ่มรวม
ความซับซ้อนในการคำนวณของการเพิ่มประสิทธิภาพฟังก์ชั่นต่าง ๆ มากกว่ากลุ่มคืออะไร?ยู( n )U(n)\mathcal{U}(n) งานทั่วไปที่เกิดขึ้นบ่อยครั้งในทฤษฎีข้อมูลควอนตัมจะเป็นการเพิ่มปริมาณของประเภท (หรือชื่อพหุนามคำสั่งสูงกว่าใน ) มากกว่าเมทริกซ์ทั้งหมด การเพิ่มประสิทธิภาพประเภทนี้สามารถคำนวณได้อย่างมีประสิทธิภาพ (อาจประมาณ) หรือ NP-hard หรือไม่ (อาจเป็นที่รู้จักกันดี แต่ฉันไม่พบข้อมูลอ้างอิงทั่วไป) U UT r AUB U†TrAUBU†\mathrm{Tr}AUBU^{\dagger}ยูUUยูUU

2
ปัญหา "ที่ใกล้ที่สุด" ของการคาดคะเน Collatz ที่ได้รับการแก้ไขเรียบร้อยแล้วคืออะไร
ฉันสนใจในปัญหา "ที่ใกล้ที่สุด" (และ "ซับซ้อนที่สุด") สำหรับการคาดคะเน Collatzที่ได้รับการแก้ไขเรียบร้อยแล้ว (ซึ่ง Erdos ได้กล่าวไว้อย่างดีว่า "คณิตศาสตร์ยังไม่สุกสำหรับปัญหาดังกล่าว") มันได้รับการพิสูจน์แล้วว่าเป็นปัญหาที่คล้ายกับ "โคลลาทซ์" อย่างไรก็ตามปัญหาที่มีความคล้ายคลึงกันอย่างคลุมเครือเช่นเกม MIU ของ Hofstadter (แก้ไขแล้ว แต่ปัญหาของเล่นเป็นที่ยอมรับมากขึ้น) นั้นสามารถตัดสินใจได้จริงหรือได้รับการแก้ไขแล้ว คำถามที่เกี่ยวข้อง Collatz Conjecture & Grammars / Automata

1
ต้องการภาพรวมที่ดีสำหรับอัลกอริทึมโครงสร้างข้อมูลที่ซับซ้อน
( ถามไซต์หลักแล้ว แต่ขอให้คุ้มครองเพิ่มเติมที่นี่ด้วย) เนื่องจากฉันรู้เกี่ยวกับโครงสร้างข้อมูลสั้น ๆฉันต้องการภาพรวมที่ดีของการพัฒนาล่าสุดในพื้นที่นั้น ฉัน googled และอ่านบทความจำนวนมากที่ฉันสามารถเห็นได้จากผลลัพธ์ของ google ตามคำขอจากหัวของฉัน ฉันยังคงสงสัยว่าฉันพลาดสิ่งสำคัญที่นี่ นี่คือหัวข้อที่น่าสนใจเป็นพิเศษสำหรับฉัน: การเข้ารหัสแบบสั้น ๆ ของต้นไม้ไบนารีด้วยการดำเนินการที่มีประสิทธิภาพในการรับพาเรนต์ลูกซ้าย / ขวาจำนวนองค์ประกอบในทรีย่อย คำถามหลักที่นี่มีดังต่อไปนี้: วิธีการทั้งหมดที่ฉันรู้ว่าถือว่าโหนดของต้นไม้นับตามลำดับลมหายใจแรก (เช่นในงานบุกเบิกในพื้นที่นี้ Jacobson, G. J (1988) โครงสร้างข้อมูลแบบคงที่แบบรวบรัด) ซึ่งไม่ได้ ดูเหมือนจะเหมาะสมสำหรับงานของฉัน ฉันจัดการกับต้นไม้ไบนารีขนาดใหญ่ที่ได้รับในเค้าโครงความลึกแรกและดัชนีโหนดความลึกแรกเป็นกุญแจสู่คุณสมบัติของโหนดอื่นดังนั้นการเปลี่ยนเค้าโครงต้นไม้มีค่าใช้จ่ายสำหรับฉันซึ่งฉันต้องการจะลดให้น้อยที่สุด ดังนั้นความสนใจในการอ้างอิงถึงงานพิจารณาอื่น ๆ แล้วเค้าโครงต้นไม้ BF อาร์เรย์รายการที่มีความยาวผันแปรขนาดใหญ่ในหน่วยความจำภายนอก อาร์เรย์ไม่เปลี่ยนรูป: ฉันไม่จำเป็นต้องเพิ่ม / ลบ / แก้ไขรายการ ความต้องการเพียงอย่างเดียวคือเวลาเข้าถึงองค์ประกอบ O (1) และค่าใช้จ่ายต่ำที่สุดเท่าที่จะเป็นไปได้วิธีออฟเซ็ตและขนาดที่ตรงไปตรงมาดีกว่า นี่คือสถิติบางอย่างที่ฉันรวบรวมเกี่ยวกับข้อมูลทั่วไปสำหรับงานของฉัน: จำนวนของไอเท็มทั่วไป - หลายร้อยล้านขึ้นไปเป็นหมื่น milliards ประมาณ 30% …

1
อัลกอริทึมที่แน่นอนสำหรับปัญหาการติดฉลากขอบใน DAG
ฉันกำลังใช้ระบบบางส่วนซึ่งต้องการความช่วยเหลือ ฉันจึงกำหนดให้เป็นปัญหากราฟเพื่อให้โดเมนเป็นอิสระ ปัญหา:เราจะได้รับการกำกับวัฏจักรกราฟ ) โดยไม่สูญเสียของทั่วไปคิดว่าGมีตรงจุดสุดยอดแหล่งหนึ่งsและตรงหนึ่งอ่างจุดสุดยอดเสื้อ ; ให้Pแสดงว่าชุดของเส้นทางกำกับทั้งหมดจากsไปทีในG เรายังจะได้รับชุดของจุดR ⊆ V ปัญหาคือการกำหนดน้ำหนักจำนวนเต็มแบบไม่เป็นลบให้กับขอบของGดังนั้นสองเส้นทางในPมีน้ำหนักเท่ากันถ้าหากพวกมันมีเซตย่อยของจุดยอดเดียวกันในG=(V,E)G=(V,E)G=(V,E)GGGssstttPPPssstttGGGR⊆VR⊆VR \subseteq VGGGPPP . (น้ำหนักของเส้นทางคือผลรวมของน้ำหนักของขอบ) ช่วงของน้ำหนักของเส้นทางใน Pควรมีขนาดเล็กที่สุดRRRPPP ขณะนี้วิธีการของฉันดูเหมือนจะไม่มีประสิทธิภาพ ฉันแค่กำลังมองหาการอ้างอิงถึงวรรณกรรมหรือความเข้าใจที่ดี อะไรก็ได้ที่ชื่นชมเช่นกัน แก้ไข:มีหลักฐานความแข็งสำหรับปัญหานี้หรือไม่? หมายเลขกะทัดรัดมีอยู่เสมอหรือไม่

4
โยนลูกบอลลงในถังขยะประเมินความน่าจะเป็นที่ต่ำกว่าของมัน
นี่ไม่ใช่การบ้านแม้ว่ามันจะดูเหมือน การอ้างอิงใด ๆ ยินดีต้อนรับ :-) สถานการณ์:มีnnn ที่แตกต่างกันลูกและnnn ที่แตกต่างกันถังขยะ (labled จาก 1 ถึงnnnจากซ้ายไปขวา) ลูกบอลแต่ละลูกถูกโยนอย่างอิสระและสม่ำเสมอในถังขยะ ให้f(i)f(i)f(i)เป็นจำนวนลูกในiii ~ th bin ให้EiEiE_iหมายถึงเหตุการณ์ต่อไปนี้ สำหรับแต่ละj≤ij≤ij\le i , ∑k≤jf(k)≤j−1∑k≤jf(k)≤j−1\sum_{k\le j}{f(k)} \le j-1 นั่นคือครั้งแรกที่jjjถังขยะ (ซ้ายมากที่สุดjjjถังขยะ) มีน้อยกว่าjjjลูกบอลสำหรับแต่ละj≤ij≤ij\le iฉัน คำถาม:ประมาณ∑i&lt;nPr(Ei)∑i&lt;nPr(Ei)\sum_{i<n}{Pr(E_i)}ในแง่ของnnn ? เมื่อnnnไปไม่มีที่สิ้นสุด เป็นที่ต้องการต่ำกว่า ฉันไม่คิดว่าสูตรที่คำนวณได้ง่ายจะมีอยู่ ตัวอย่าง: limn→∞Pr(E1)=limn→∞(n−1n)n=1elimn→∞Pr(E1)=limn→∞(n−1n)n=1e\lim\limits_{n\to\infty}{Pr(E_1)}=\lim\limits_{n\to\infty}{(\frac{n-1}{n})^n}=\frac{1}{e} . หมายเหตุPr(En)=0Pr(En)=0Pr(E_n)=00 ฉันเดา:ฉันเดา∑i&lt;nPr(Ei)=lnn∑i&lt;nPr(Ei)=ln⁡n\sum_{i<n}{Pr(E_i)}=\ln n , เมื่อnnnไปไม่มีที่สิ้นสุด ฉันพิจารณารายการแรกlnnln⁡n\ln nในการรวม

4
การศึกษาเชิงทฤษฎีของวิธีการโคตรพิกัด
ฉันกำลังเตรียมเนื้อหาหลักสูตรเกี่ยวกับการวิเคราะห์พฤติกรรมเพื่อการเพิ่มประสิทธิภาพและได้รับการดูวิธีการประสานงานการสืบเชื้อสาย การตั้งค่าอยู่ที่นี่คือฟังก์ชันหลายตัวแปรที่คุณต้องการปรับให้เหมาะสม fมีคุณสมบัติที่ จำกัด ไว้ที่ตัวแปรเดี่ยวใด ๆ มันเป็นเรื่องง่ายที่จะเพิ่มประสิทธิภาพ ดังนั้นประสานงานโคตรรายได้โดยการขี่จักรยานผ่านพิกัดแก้ไขทั้งหมดยกเว้นหนึ่งที่เลือกและลดลงตามพิกัดนั้น ในที่สุดการปรับปรุงก็หยุดชะงักและคุณก็ยุติffffff คำถามของฉันคือ: มีการศึกษาเชิงทฤษฎีเกี่ยวกับวิธีการสืบเชื้อสายมาจากพิกัดที่พูดถึงอัตราการลู่เข้าและคุณสมบัติของที่ทำให้วิธีนี้ทำงานได้ดีหรือไม่? เห็นได้ชัดว่าฉันไม่ได้คาดหวังคำตอบทั่วไปอย่างสมบูรณ์ แต่คำตอบที่ให้ความกระจ่างกรณีที่การแก้ปัญหาไม่ดีจะเป็นประโยชน์fff Aside: เทคนิคการปรับให้เหมาะสมแบบสลับใช้สำหรับ means สามารถถูกมองว่าเป็นตัวอย่างของการประสานงานที่สืบทอดกันมาและอัลกอริทึมของ Frank-Wolfeดูจะเกี่ยวข้องกัน (แต่ไม่ใช่ตัวอย่างโดยตรงของกรอบงาน)kkk

2
การดำรงอยู่ของระยะทางระนาบระยะทาง?
ให้ g เป็น n โหนดกราฟไม่มีทิศทางและให้ T เป็นส่วนหนึ่งของโหนด V (G) ที่เรียกว่าขั้ว ดำรงระยะของ (G, T) เป็น H กราฟความพึงพอใจของสถานที่ให้บริการ dH( u , v ) = dG( u , v )dH(ยู,โวลต์)=dG(ยู,โวลต์)d_H(u,v) = d_G(u,v) สำหรับโหนดทั้งหมด u, v ใน T (โปรดทราบว่า H ไม่จำเป็นต้องเป็นกราฟย่อยของ G) ตัวอย่างเช่นให้ G เป็นกราฟต่อไปนี้ (a) และ T เป็นโหนดบนใบหน้าภายนอก จากนั้นกราฟ (b) เป็นตัวกำหนดระยะทางของ (G, T) …

1
ลดขอบเขตของขนาด CFG สำหรับภาษาที่ จำกัด เฉพาะ
ลองพิจารณาคำถามธรรมชาติต่อไปนี้: ด้วยภาษาที่มีขอบเขต จำกัดไวยากรณ์ที่ไม่มีบริบทที่เล็กที่สุดที่สร้างLคืออะไรLLLLLL เราสามารถทำให้คำถามที่น่าสนใจมากขึ้นโดยระบุลำดับของภาษาเช่นL nคือชุดของพีชคณิตทั้งหมดของ{ 1 , ... , n } : สังหรณ์ใจเป็น CFG สำหรับL nจะ "ต้อง" ที่จะมีขนาดΩ ( n ! ) ดังนั้นเราจึงสนใจขนาด asymptotic ของ CFG ที่เล็กที่สุดสำหรับภาษาLnLnL_nLnLnL_n{ 1 , … , n }{1,...,n}\{1,\ldots,n\}LnLnL_nΩ ( n ! )Ω(n!)\Omega(n!) คำถามที่คล้ายกันได้รับการจัดการในเอกสารต่างๆ: Charikar และคณะ ( "ใกล้เคียงกับที่เล็กที่สุดไวยากรณ์: Kolmogorov ซับซ้อนในรูปแบบธรรมชาติ") พิจารณาวิธีการที่ยากก็คือการใกล้เคียงกับขนาดของ CFG ที่เล็กที่สุดสร้างให้คำ การทำงานในทิศทางนั้นมากขึ้นคือ Arpe และ …

2
การวางหลักเกณฑ์ทั่วไปของอัลกอริธึมฮังการีเป็นกราฟทั่วไป
อัลกอริทึมฮังการีเป็นขั้นตอนวิธีการเพิ่มประสิทธิภาพ combinatorial ซึ่งจะช่วยแก้น้ำหนักสูงสุดที่ฝ่ายปัญหาที่ตรงกันในเวลาพหุนามและคาดว่าจะมีการพัฒนาต่อมาที่สำคัญวิธีการปฐม-คู่ อัลกอริทึมได้รับการพัฒนาและเผยแพร่โดย Harold Kuhn ในปี 1955 ซึ่งให้ชื่อ "อัลกอริธึมฮังการี" เนื่องจากอัลกอริทึมนั้นมาจากผลงานก่อนหน้าของนักคณิตศาสตร์ชาวฮังการีสองคน: DénesKőnigและJenőEgerváry Munkres ตรวจสอบอัลกอริทึมในปี 1957 และสังเกตว่ามันเป็น polytime แน่นอน ตั้งแต่นั้นมาอัลกอริทึมที่รู้จักกันว่าอัลกอริทึม Kuhn-Munkres แม้ว่าฮังการีจะมีแนวคิดพื้นฐานของวิธีการแบบสองเท่า แต่ก็แก้ปัญหาการจับคู่แบบสองฝ่ายที่มีน้ำหนักสูงสุดโดยตรงโดยไม่ต้องใช้เครื่องจักรเชิงเส้น (LP) ใด ๆ ดังนั้นในการตอบคำถามต่อไปนี้Jukka Suomela ให้ความเห็น แน่นอนว่าคุณสามารถแก้ไข LP ใด ๆ ได้โดยใช้ตัวแก้จุดประสงค์ทั่วไปของ LP แต่โดยทั่วไปอัลกอริทึมพิเศษจะมีประสิทธิภาพที่ดีกว่ามาก [... ] นอกจากนี้คุณยังสามารถหลีกเลี่ยงปัญหาเช่นการใช้ตัวเลขที่มีเหตุผลและจำนวนจุดลอยตัว; ทุกสิ่งสามารถทำได้อย่างง่ายดายด้วยจำนวนเต็ม กล่าวอีกนัยหนึ่งคุณไม่ต้องกังวลเกี่ยวกับวิธีการปัดเศษเหตุผล / วิธีแก้ปัญหาจุดลอยตัวจากตัวแก้ LP เพื่อให้ได้น้ำหนักสูงสุดกลับมาซึ่งการจับคู่ที่สมบูรณ์แบบที่สุดของกราฟสองส่วนที่กำหนด คำถามของฉันมีดังต่อไปนี้: มีอัลกอริธึมทั่วไปของฮังการีที่ใช้กับกราฟที่ไม่มีการบอกทิศทางทั่วไปโดยไม่ใช้เครื่องจักร LP คล้ายกับจิตวิญญาณของอัลกอริทึมดั้งเดิมของฮังการีหรือไม่? ฉันชอบงานนิทรรศการที่ทันสมัยและอ่านง่ายแทนที่จะเป็นกระดาษที่ซับซ้อนบางฉบับ แต่ตัวชี้ใด …


1
เหตุใดการคาดเดาโลภจึงยากมาก?
ฉันเพิ่งเรียนรู้เกี่ยวกับการคาดเดาโลภสำหรับSuperstring ปัญหาที่สั้นที่สุด ในปัญหานี้เราจะได้รับชุดของสตริงs1, … , sns1,…,sns_1,\dots, s_nและเราต้องการที่จะหาที่สั้นที่สุด superstring sssเช่นเช่นกันว่าsผมsis_iปรากฏขึ้นเป็น substring ของssss ปัญหานี้คือปัญหา NP-hard และหลังจากลำดับของเอกสารที่ยาวอัลกอริทึมการประมาณรู้จักที่ดีที่สุดสำหรับปัญหานี้มีอัตราส่วน2 + 11302+11302+\frac{11}{30} [Paluch '14] ในทางปฏิบัตินักชีววิทยาใช้อัลกอริทึมโลภต่อไปนี้: ในแต่ละขั้นตอนให้ผสานสองสตริงที่มีการทับซ้อนสูงสุดกับทุกคู่ (ส่วนต่อท้ายสูงสุดที่เป็นส่วนนำหน้าของสตริงอื่น) และทำซ้ำในอินสแตนซ์ใหม่นี้จนกว่าจะเหลือเพียงหนึ่งสตริง (ซึ่งเป็น superstring ) ที่ถูกผูกไว้ที่ต่ำกว่าของ222ในอัตราส่วนประมาณโลภขั้นตอนวิธีการนี้สามารถได้รับจากการป้อนข้อมูลc ( a b )k, ( b a )k, ( a b )kคc(ab)k,(ba)k,(ab)kcc(ab)^k,(ba)^k,(ab)^kcค ที่น่าสนใจก็คือการคาดคะเนได้ว่านี่เป็นตัวอย่างที่เลวร้ายที่สุดคือที่บรรลุโลภ222 -approximation สำหรับสั้น Superstring ปัญหา ฉันประหลาดใจมากที่เห็นว่าอัลกอริทึมที่ง่ายและเป็นธรรมชาตินั้นยากที่จะวิเคราะห์ มีสัญชาติญาณข้อเท็จจริงข้อเท็จจริงการสังเกตตัวอย่างที่แนะนำว่าทำไมคำถามนี้ถึงท้าทายหรือไม่

1
คาดว่าอิทธิพลขั้นต่ำของฟังก์ชันบูลีนแบบสุ่ม
f:{−1,1}n→{−1,1}f:{−1,1}n→{−1,1}f\colon\{-1,1\}^n \to \{-1,1\}iiiInfi[f]=defPrx∼{−1,1}n[f(x)≠f(x⊕i)]Infi⁡[f]=defPrx∼{−1,1}n[f(x)≠f(x⊕i)] \operatorname{Inf}_i[f] \stackrel{\rm def}{=} \Pr_{x\sim\{-1,1\}^n}[ f(x) \neq f(x^{\oplus i})] x⊕ix⊕ix^{\oplus i}iiixxxfffMinInf[f]=defmini∈[n]Infi[f].MinInf⁡[f]=defmini∈[n]Infi⁡[f].\operatorname{MinInf}[f] \stackrel{\rm def}{=} \min_{i\in[n]}\operatorname{Inf}_i[f]. กำหนดพารามิเตอร์ , เราเลือกสุ่มฟังก์ชั่นโดยเลือกความคุ้มค่าในแต่ละปัจจัยการผลิตที่เป็นอิสระที่สุ่มจะเป็นด้วยความน่าจะและกับความน่าจะเป็น . จากนั้นมันก็ง่ายที่จะเห็นว่าสำหรับทุก ๆ และfortiorip∈[0,1]p∈[0,1]p\in[0,1]pppfff2n2n2^n111ppp−1−1-11−p1−p1-pi∈[n]i∈[n]i\in[n] Ef[Infi[f]]=2p(1−p)Ef[Infi⁡[f]]=2p(1−p) \mathbb{E}_{f}[\operatorname{Inf}_i[f]] = 2p(1-p) In(p)=defEf[MinInf[f]]≤2p(1−p).In(p)=defEf[MinInf⁡[f]]≤2p(1−p). I_n(p) \stackrel{\rm def}{=}\mathbb{E}_{f}[\operatorname{MinInf}[f]] \leq 2p(1-p). คำถามของฉันคือ: มี asymptotically (เกี่ยวกับnnn ) การแสดงออกที่แน่นสำหรับIn(p)In(p)I_n(p) ? แม้แต่สำหรับp=12p=12p=\frac{1}{2}เราสามารถรับนิพจน์เช่นนี้ได้หรือไม่? โดยเฉพาะฉันจะดูแลเกี่ยวกับข้อตกลงการสั่งซื้อต่ำเช่นฉันจะสนใจในเทียบเท่า asymptotic สำหรับปริมาณ2p(1−p)−In(p)2p(1−p)−In(p)2p(1-p)-I_n(p)(P) (คำถามถัดไป แต่คำถามที่รองลงมาคือคำถามที่ว่าใครจะได้รับความเข้มข้นที่ดีรอบ ๆ ความคาดหวังนี้) โดยขอบเขตของเชอร์อฟเราสามารถแสดงให้เห็นว่ามีสมาธิที่ดีดังนั้นเราจึงได้รับการรวมกลุ่ม (ถ้าฉันไม่ได้ยุ่งเกินไป) …

1
การประเมินวงจร
เป็นที่รู้จักกันถ้าปัญหาการประเมินวงจรอยู่ใน ? แล้ว (uniform ) ล่ะ? N C 1 L o กรัมT ฉันm E N C 1N C1NC1\mathsf{NC^1}N C1NC1\mathsf{NC^1}A L o g T ฉันม. eALogTime\mathsf{ALogTime}N C1NC1\mathsf{NC^1} เรารู้ว่าวงจรความลึกสามารถประเมินได้ด้วยวงจรความลึก โดยที่คือค่าคงที่สากล ซึ่งหมายความว่าวงจรของความลึกสามารถประเมินได้จากวงจรของความลึกn) อย่างไรก็ตามไม่ได้มีฟังก์ชั่นที่ในที่สุดก็ครอบงำการทำงานทั้งหมดในn)k + c c k lg n + o ( lg n ) O ( lg n ) O ( lg …

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.