Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clases de Complejidad
Clases de Complejidad
4. **O(n^3)** (Cubic Time): Similar a la complejidad cuadrática, pero el tiempo de ejecución crece
en función del cubo del tamaño de entrada. Ejemplos menos comunes debido a su alta
complejidad.
6. **O(log n)** (Logarithmic Time): Los algoritmos logarítmicos tienen un tiempo de ejecución
que crece de manera logarítmica en relación al tamaño de entrada. Ejemplos incluyen búsquedas
en árboles binarios balanceados como el árbol AVL o el árbol binario de búsqueda.
7. **O(n log n)** (Linearithmic Time): Esta complejidad se encuentra comúnmente en algoritmos
eficientes de ordenamiento, como el algoritmo de ordenamiento rápido (quicksort) y el algoritmo
de ordenamiento por mezcla (merge sort).
8. **O(√n)** (Square Root Time): Algunos algoritmos tienen un tiempo de ejecución proporcional
a la raíz cuadrada del tamaño de entrada. Estos algoritmos son menos comunes, pero a veces
aparecen en problemas específicos.
9. **O(n!)** (Factorial Time): Los algoritmos factoriales tienen un tiempo de ejecución que crece
en función del factorial del tamaño de entrada. Esta es una complejidad muy alta y es típica de
algoritmos completamente ineficientes.
Es importante entender estas clases de complejidad para poder evaluar y diseñar algoritmos
eficientes en función de las demandas del problema y los recursos disponibles.
O(1): Complejidad constante. El tiempo de ejecución no depende del tamaño de entrada.
O(n): Complejidad lineal. El tiempo de ejecución crece linealmente con el tamaño de entrada.
O(n^3): Complejidad cúbica. El tiempo de ejecución crece cúbicamente con el tamaño de entrada.
Ejemplo: Algoritmos de fuerza bruta para resolver el problema del conjunto de subconjuntos.
O(log n): Complejidad logarítmica. El tiempo de ejecución crece de manera logarítmica con el
tamaño de entrada.
O(n log n): Complejidad linealítmica. El tiempo de ejecución crece linealmente multiplicado por el
logaritmo del tamaño de entrada.
O(√n): Complejidad sublineal. El tiempo de ejecución crece más lentamente que linealmente pero
más rápido que logarítmicamente.
Arrojar una cadena , con recursividad para verificar si una cadena es palíndromo
Getnumer
getGoles
get…
get…
toString
Estadística
Goles() int