فہرست کا خانہ:
تعریف - وقت کی پیچیدگی کا کیا مطلب ہے؟
وقت کی پیچیدگی کمپیوٹر سائنس میں ایک ایسا تصور ہے جو کوڈ یا الگورتھم کے ایک سیٹ کے ذریعہ ان پٹ کی مقدار کے ایک فنکشن کے طور پر عملدرآمد کرنے یا چلانے کے ل. وقت کی مقدار کی مقدار سے متعلق ہے۔
دوسرے الفاظ میں ، وقت کی پیچیدگی بنیادی طور پر کارکردگی ہے ، یا کسی پروگرام میں کسی دیئے گئے ان پٹ پر کارروائی کرنے میں کتنا وقت لگتا ہے۔
ٹیکوپیڈیا ٹائم کمپلیکسٹی کی وضاحت کرتا ہے
وقت کی پیچیدگی محض اس وقت کا ایک پیمانہ ہوتا ہے جس میں کسی کام یا اظہار کو اپنے کام کو مکمل کرنے میں لگتا ہے ، نیز اس وقت کی پیمائش کرنے کے عمل کا نام بھی ہے۔ اسے لگ بھگ کسی بھی الگورتھم یا فنکشن پر لاگو کیا جاسکتا ہے لیکن پنراورسیف افعال کے لئے زیادہ مفید ہے۔ موازنہ کے لئے ڈیٹا بیس سے صارف نام اور پاس ورڈ لانے یا محض ڈیٹا کی بچت جیسے ایپلی کیشنز کے لئے وقت کی پیچیدگی کی پیمائش کرنے میں بہت کم اہمیت ہے جب یہ 20 ایم ایس یا 5 ایم ایس ہے۔ جو رسائی کے وقت کی حد میں زیادہ ہوگا۔ اس کا عملدرآمد کے وقت کی دیکھ بھال سے کوئی لینا دینا نہیں ہے ، بلکہ اس کے کہ یہ فرق نہ ہونے کے برابر ہے۔ تاہم ، اگر کوئی بار بار چلنے والا فنکشن ہوتا ہے جس کو متعدد بار کہا جاسکتا ہے تو ، اس کے وقت کی پیچیدگی کے منبع کا تعین اور سمجھنے سے پروسیسنگ کے مجموعی وقت کو کم کرنے میں مدد مل سکتی ہے ، کہیں ، 600 ایم ایس سے 100 ایم ایس تک۔
وقت کی پیچیدگی کا اظہار عام طور پر "بڑے O اشارے" میں کیا جاتا ہے ، لیکن اس میں دیگر اشارے بھی موجود ہیں۔ یہ الگورتھم کے لئے پیمانہ عامل کی بالائی حد کی ریاضی کی نمائندگی ہے اور اسے O (Nn) کے نام سے لکھا گیا ہے ، جس میں "N" ان پٹ کی تعداد ہے اور "n" لوپنگ تاثرات کی تعداد ہے۔ مثال کے طور پر ، ہمارے پاس الگورتھم ہے:
numbers = {5, 6, 10, 11, 2}; foreach (number as number1)
{
foreach(number as number2)
{
statements; } }
numbers = {5, 6, 10, 11, 2};
foreach (number as number1)
{
foreach(number as number2)
{
statements; } }
numbers = {5, 6, 10, 11, 2};
foreach (number as number1)
{
foreach(number as number2) {
statements; } }
numbers = {5, 6, 10, 11, 2};
foreach (number as number1)
{
foreach(number as number2)
{
statements; } }
numbers = {5, 6, 10, 11, 2};
foreach (number as number1)
{
foreach(number as number2)
{
statements; } }
"نمبر" صف میں پانچ آدان ہیں ، اور "پیش گوئی" لوپ دو بار دہرایا جاتا ہے۔ لہذا ، پروسیسنگ کے وقت میں نمایاں اضافہ اس وقت ہوتا ہے جب آدانوں کی تعداد اور لوپوں کی تعداد میں اضافہ ہوتا ہے۔
