Я ищу линейную временную сложность MST. Я пытаюсь выполнить это, используя кучу Фибоначчи, поскольку ее объединение и поиск минимальной операции занимает постоянное время. Возможно, есть какая-то ссылка для уменьшения временной сложности MST? Пожалуйста помоги.
Как уменьшить временную сложность MST, используя операцию объединения кучи Фибоначчи?
17.10.2018
- Алгоритм Прима? 18.10.2018
- на самом деле я пытаюсь сделать линейную временную сложность для поиска MST. Я нашел эту кучу Фибоначчи, чья операция Find-minimum() занимает 0 (1) времени. Теперь мне интересно, есть ли возможность улучшить временную сложность с помощью этой операции или нет? 19.10.2018
- Прим с Фибоначчи равен O (E + V log V), но если график разреженный, может быть O (E + log log V)] 19.10.2018
- Кучи Фибоначчи теоретически лучше, чем двоичные кучи. Но их скрытые постоянные факторы очень высокие 20.10.2018
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..