2. Analyse van algoritmen

More documents

Recommendations

Info

Voorbeeld 2 (vervolg) Java-code int som=0; for ( int i=1; i
Voorbeeld 3 Opgelet! niet elke for-lus heeft tijd Θ(n) Java-code int som=0; for ( int i=1; i
Page 1 and 2: 2. Analyse van algoritmen Inleiding
Page 3 and 4: Efficiëntie van algoritmen Wat?/Wa
Page 5 and 6: Nadelen van experimentele benaderin
Page 7 and 8: Asymptotische analyse Andere techni
Page 9 and 10: Probleemgrootte Karakterisatie van
Page 11 and 12: Tijdscomplexiteit Inschatten van ui
Page 13 and 14: Voorbeeld grootste Bepalen van groo
Page 15 and 16: Asymptotische analyse Uitvoeringsti
Page 17 and 18: Werken met asymptotische notatie In
Page 19 and 20: Asymptotische notaties Cursus Algor
Page 21 and 22: O-notatie Definitie f asymptotisch
Page 23 and 24: Θ-notatie Definitie f en g hebben
Page 25 and 26: ω-notatie Definitie f niet-scherp
Page 27 and 28: Rekenregels 1. f(n) = Θ(g(n)) ∧
Page 29 and 30: Rekenregels 1. f(n) = Θ(g(n)) ∧
Page 31 and 32: Bepalen van tijds- en geheugencompl
Page 33: Voorbeeld 2 Java-code int som=0; fo
Page 37 and 38: Kost van array-bewerking Opvragen v
Page 39 and 40: Geheugencomplexiteit: voorbeelden A
Page 41 and 42: Geheugencomplexiteit: voorbeelden A
Page 43 and 44: Functies voor de uitvoeringstijd Ve
Page 45 and 46: Experimentele resultaten Metingen i
Page 47 and 48: Experimenten analyseren Conclusies
Page 49 and 50: Experimenten analyseren Conclusies
Page 51 and 52: Traagstijgend logaritme Θ(n log n)
Page 53 and 54: Lineaire complexiteit Lineaire func
Page 55 and 56: Kwadratische complexiteit Kwadratis
Page 57 and 58: Kwadratische complexiteit Kwadratis
Page 59 and 60: Logaritmische en n log n complex. L
Page 61 and 62: Voorbeeld: schaakspel Legende uitvi
Page 63 and 64: Exponentiële functies Aantal rijst
Page 65 and 66: Exponentiële complexiteit Exponent

2. Analyse van algoritmen

Create successful ePaper yourself

Delete template?

Save as template?