విషయ సూచిక:
నిర్వచనం - సమయ సంక్లిష్టత అంటే ఏమిటి?
టైమ్ కాంప్లెక్సిటీ అనేది కంప్యూటర్ సైన్స్లో ఒక భావన, ఇది ఇన్పుట్ మొత్తం యొక్క ఫంక్షన్గా ప్రాసెస్ చేయడానికి లేదా అమలు చేయడానికి కోడ్ లేదా అల్గోరిథం సమితి తీసుకున్న సమయాన్ని లెక్కించడంతో వ్యవహరిస్తుంది.
మరో మాటలో చెప్పాలంటే, సమయ సంక్లిష్టత తప్పనిసరిగా సామర్థ్యం, లేదా ఇచ్చిన ఇన్పుట్ను ప్రాసెస్ చేయడానికి ప్రోగ్రామ్ ఫంక్షన్ ఎంత సమయం పడుతుంది.
టెకోపీడియా టైమ్ కాంప్లెక్సిటీని వివరిస్తుంది
సమయ సంక్లిష్టత అనేది ఒక ఫంక్షన్ లేదా వ్యక్తీకరణ దాని పనిని పూర్తి చేయడానికి తీసుకునే సమయం యొక్క కొలత, అలాగే ఆ సమయాన్ని కొలవడానికి ప్రక్రియ పేరు. ఇది దాదాపు ఏదైనా అల్గోరిథం లేదా ఫంక్షన్కు వర్తించవచ్చు కాని పునరావృత ఫంక్షన్లకు మరింత ఉపయోగపడుతుంది. పోలిక కోసం డేటాబేస్ నుండి వినియోగదారు పేరు మరియు పాస్వర్డ్ను పొందడం లేదా డేటాను 20 ఎంఎస్ లేదా 5 ఎంఎస్ అయినా సేవ్ చేయడం వంటి అనువర్తనాల కోసం సమయ సంక్లిష్టతను కొలవడంలో చాలా తక్కువ విషయం ఉంది; ఇది యాక్సెస్ సమయం వరుసలో ఎక్కువ ఉంటుంది. దాని అమలు సమయం గురించి శ్రద్ధ వహించడానికి దీనికి సంబంధం లేదు, కానీ వ్యత్యాసం చాలా తక్కువ. ఏదేమైనా, అనేకసార్లు పిలువబడే పునరావృత ఫంక్షన్ ఉంటే, దాని సమయ సంక్లిష్టత యొక్క మూలాన్ని నిర్ణయించడం మరియు అర్థం చేసుకోవడం మొత్తం ప్రాసెసింగ్ సమయాన్ని 600 ms నుండి 100 ms కు తగ్గించడానికి సహాయపడుతుంది.
సమయ సంక్లిష్టత సాధారణంగా "పెద్ద O సంజ్ఞామానం" లో వ్యక్తీకరించబడుతుంది, కాని ఇతర సంకేతాలు కూడా ఉన్నాయి. ఇది ఒక అల్గోరిథం కోసం స్కేలింగ్ కారకం యొక్క ఎగువ పరిమితి యొక్క గణిత ప్రాతినిధ్యం మరియు దీనిని O (Nn) గా వ్రాస్తారు, "N" ఇన్పుట్ల సంఖ్య మరియు "n" లూపింగ్ వ్యక్తీకరణల సంఖ్య. ఉదాహరణకు, మాకు అల్గోరిథం ఉంది:
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; } }
"సంఖ్యలు" శ్రేణిలో ఐదు ఇన్పుట్లు ఉన్నాయి మరియు "ఫోరాచ్" లూప్ రెండుసార్లు పునరావృతమవుతుంది. అందువల్ల, ఇన్పుట్ల సంఖ్య మరియు ఉచ్చుల సంఖ్య పెరిగేకొద్దీ ప్రాసెసింగ్ సమయంలో ఘాతాంక పెరుగుదల జరుగుతుంది.
