• O(1) is constant-time; such an algorithm does not depend on the size of its inputs.
  • O(n) is linear-time; such an algorithm looks at each input element once and is generally pretty good.
  • O(n log n) is also pretty decent (that is n times the logarithm base 2 of n).
  • O(n^2), O(n^3), etc. These are polynomial-time, and generally starting to look pretty slow, although they are still useful.
  • O(2^n) is exponential-time, which is common for artificial intelligence tasks and is really quite bad. Exponential-time algorithms begin to run the risk of having a decent-sized input not finish before the person wanting the result retires.

 

Jelenleg a TSP probléma megoldásán dolgozom, ezért a tervezett algoritmus oldalt valószínűleg 2012 közepe táján tudom megcsinálni.

Az alapvető cél a diszkrét-matek, a kalkulus, a valószínűségszámítás, mesterséges intelligencia, az algoritmusok, és a programozási tágyak összefogása, rendszerezése C, Java és Python nyelveken

Záróvizsga feladatsor:


Innocentive – feladnak problémákat, fizetnek a megoldásért

Tiobe Index – programozási nyelvek népszerűségi listája