А сколько частиц в ваших 2х кубиках? Какие физические эффекты (силы взаимодействия) вы хотите учесть? Ну и кроме моделирования физического взаимодействия останется такая "мелочь" как рендеринг. Он тоже должен быть на 100% реалистичным? Попробуйте начать с уравнений Максвелла, они покрывают большую часть нужных вам задач.
Часто встречал такое мнение, но не знаю, на чем оно основано. На практике наблюдал ситуации, когда после контр-оффера сотрудник оставался и всё было хорошо.
Вы всё правильно понимаете. O большое описывает характер графика, но не его положение на графике t(n), поэтому однозначно говорить про "быстрее/медленнее" нельзя. Случаи, когда реальное время не будет соответствовать ожиданиям, основанным на оценке O, возможны и на практике встречаются, но надеюсь, что это больше исключение.
O(cn) - константа определяет, сколько времени уходит на обработку одного элемента. Точно определить её очень сложно, поэтому из оценки О(n), мы не можем высчитать точное время, несмотря на то, что знаем n. Почти все эффективные алгоритмы сортировки имеют оценку O(nlogn). За какое время они отсортируют массив из 1000 элементов? А за какое время такой массив отсортирует "пузырёк"?
Почитать - думаю Кнут подойдёт. У него же есть и про другие оценки, а не только О. По примерам - пример чего интересует? Например, насколько медленым может быть алгоритм с асимптотикой O(n)? Можно логически вывести, что сколь угодно медленым) Нет такой оценки, как O(2n), т.к. 2 - это константа с, которую не указывают. Если алгоритм состоит из нескольких частей, каждая из которых имеет линейную оценку, то суммарная оценка также будет линейной. Т.е. O(n) + O(n) +...+ O(n) = O(n). Из этого можно сделать вывод, что алгоритм может быть очень медленым, при этом оставаясь линейным. В то же время алгоритм с оценкой O(n^2) может быть довольно быстрым, при этом сохраняя квадратичную зависимость времени исполнения от количества входных данных. На практике на больших данных результаты в основном будут соответствовать ожиданиями.
O(n) описывает характер изменения затрачиваемого времени, при этом конкретное время зависит от константы c, т.е. полностью O(cn). с в нотации не указывают, но про её влияние стоит помнить. O(n) - это не одна линия на графике, а бесконечное множество линий. При определённых условиях O(n) может быть медленнее, чем O(n^2).
Около 40 тысяч. Это не уголовка, но и административка на 15-25 суток с издевательствами, избиениями и др. малоприятная вещь. По уголовным статьям счёт идёт на тысячи.
А сколько частиц в ваших 2х кубиках? Какие физические эффекты (силы взаимодействия) вы хотите учесть? Ну и кроме моделирования физического взаимодействия останется такая "мелочь" как рендеринг. Он тоже должен быть на 100% реалистичным? Попробуйте начать с уравнений Максвелла, они покрывают большую часть нужных вам задач.
Часто встречал такое мнение, но не знаю, на чем оно основано. На практике наблюдал ситуации, когда после контр-оффера сотрудник оставался и всё было хорошо.
Вы всё правильно понимаете. O большое описывает характер графика, но не его положение на графике t(n), поэтому однозначно говорить про "быстрее/медленнее" нельзя. Случаи, когда реальное время не будет соответствовать ожиданиям, основанным на оценке O, возможны и на практике встречаются, но надеюсь, что это больше исключение.
O(cn) - константа определяет, сколько времени уходит на обработку одного элемента. Точно определить её очень сложно, поэтому из оценки О(n), мы не можем высчитать точное время, несмотря на то, что знаем n.
Почти все эффективные алгоритмы сортировки имеют оценку O(nlogn). За какое время они отсортируют массив из 1000 элементов? А за какое время такой массив отсортирует "пузырёк"?
Почитать - думаю Кнут подойдёт. У него же есть и про другие оценки, а не только О.
По примерам - пример чего интересует?
Например, насколько медленым может быть алгоритм с асимптотикой O(n)? Можно логически вывести, что сколь угодно медленым)
Нет такой оценки, как O(2n), т.к. 2 - это константа с, которую не указывают. Если алгоритм состоит из нескольких частей, каждая из которых имеет линейную оценку, то суммарная оценка также будет линейной. Т.е. O(n) + O(n) +...+ O(n) = O(n). Из этого можно сделать вывод, что алгоритм может быть очень медленым, при этом оставаясь линейным. В то же время алгоритм с оценкой O(n^2) может быть довольно быстрым, при этом сохраняя квадратичную зависимость времени исполнения от количества входных данных. На практике на больших данных результаты в основном будут соответствовать ожиданиями.
O(n) описывает характер изменения затрачиваемого времени, при этом конкретное время зависит от константы c, т.е. полностью O(cn). с в нотации не указывают, но про её влияние стоит помнить. O(n) - это не одна линия на графике, а бесконечное множество линий. При определённых условиях O(n) может быть медленнее, чем O(n^2).
Поддерживаю. Просто потом подключились недобросовестные студенты. Их мотивация тоже понятна - рисков нет, а если прокатит, будет халявный зачёт.
Около 40 тысяч. Это не уголовка, но и административка на 15-25 суток с издевательствами, избиениями и др. малоприятная вещь. По уголовным статьям счёт идёт на тысячи.