这几个的确句型有些长,翻译习惯也可以参照一下别人的,反正今天好象回答你的人好多.
-------------------------------
overview
The order of growth of the running time of an algorithm, defined in Chapter 2, gives a simple
characterization of the algorithm's efficiency and also allows us to compare the relative
performance of alternative algorithms. Once the input size n becomes large enough, merge
sort, with its Θ(n lg n) worst-case running time, beats insertion sort, whose worst-case running
time is Θ(n2). Although we can sometimes determine the exact running time of an algorithm,
as we did for insertion sort in Chapter 2, the extra precision is not usually worth the effort of
computing it. For large enough inputs, the multiplicative constants and lower-order terms of
an exact running time are dominated by the effects of the input size itself.
When we look at input sizes large enough to make only the order of growth of the running
time relevant, we are studying the asymptotic efficiency of algorithms. That is, we are
concerned with how the running time of an algorithm increases with the size of the input in
the limit, as the size of the input increases without bound. Usually, an algorithm that is
asymptotically more efficient will be the best choice for all but very small inputs.
概要
算法运行时间的成长次序, 被定义在第二章里, 给算法的特性一个简单的描述并允许我们把它与供选择的算法进行比较。一旦输入大小n变得足够大, 合并排序法, 以Θ(nlgn) 最差运行时间,来检验最差运行时间是Θ(n2)的插入排序。虽然我们有时能确定算法确切的运行时间, 但如同在第二章里我们为了插入排序,而努力计算额外精确度通常并没有价值。为了足够大的投入, 常数和一具体运行时间的低秩序期限的积由投入规模本身所控制.
当投入规模大到足够确定相关命令运行时间的情况下, 我们应该学习渐进效率算法。即，当输入大小的增加没有限制，我们就要考虑怎样计算运行时间的增长变化，就像输入大小有限制的时候那样。通常, 除了非常小的输入，渐进算法是更加高效率的算法，将是最佳的选择。
This chapter gives several standard methods for simplifying the asymptotic analysis of
algorithms. The next section begins by defining several types of "asymptotic notation," of
which we have already seen an example in Θ-notation. Several notational conventions used
throughout this book are then presented, and finally we review the behavior of functions that
commonly arise in the analysis of algorithms.
本章讲述了算法渐进分析的几种简化方法。下一部分将首先定义几种“渐进符号”，在这些符号中我们已经见过的如Θ符号。还将给出本书中通篇出现的几种符号约定。最后我们将重温一下出现在算法分析中的常用函数的特性。
3.1 Asymptotic notation The notations we use to describe the asymptotic running time of an algorithm are defined in
terms of functions whose domains are the set of natural numbers N = {0, 1, 2, ...}.
Such notations are convenient for describing the worst-case running-time function T (n), which is
usually defined only on integer input sizes.
It is sometimes convenient, however, to abuse asymptotic notation in a variety of ways.
For example, the notation is easily extended to the domain of real numbers or, alternatively, restricted to a subset of the natural numbers. It is important, however, to understand the precise meaning of the notation so that when it is
abused, it is not misused. This section defines the basic asymptotic notations and also
introduces some common abuses.
3.1 渐进法
我们用来描述连续运行时间算法的一种记数法，其定义是：函数项的域值为自然数N={0，1，2，…}。
这种记数法在描述最简单的连续时间函数T(n)是方便的，因为它的输入范围通常仅取整数。它有时是方便的，然而，我们需要用比较多的方式来描述不规则渐进记法。例如，记法很容易在实数域内取值，或者交替地限定在自然数的一个子集内。尽管记数法重要，但我们需要了解其精确涵义，以便函数不规则时它没有被误用。本节定义了基本的渐进记法并且介绍一些一般的不规则函数。
概况秩序增长的运行时间算法,确定第2章, 给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,其θ(氮LG集团n )的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间θ(氮气) . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入, 乘法常数和较低阶的精确运行时间的支配作用的投入规模 本身. 当我们看投入规模大到足以使只为了增长的运行时间有关, 我们正在研究的渐近效率的算法. 即 我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
概况秩序增长的运行时间算法,确定第2章, 给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,其? ? (氮LG集团n )的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间是什么? ? (氮气) . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入, 乘法常数和较低阶的精确运行时间的支配作用的投入规模 本身. 当我们看投入规模大到足以使只为了增长的运行时间有关, 我们正在研究的渐近效率的算法. 即 我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
大概就是这样吧，我才初二，译得不好别怪我
回答者：litianqing123 - 千总 四级 6-6 00:39
初二，太强，我这个研究生也不好意思再翻译了。
回答者：laifu886 - 助理 三级 6-6 00:52
概况秩序增长的运行时间算法,确定第2章, 给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,其θ(氮LG集团n )的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间θ(氮气) . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入, 乘法常数和较低阶的精确运行时间的支配作用的投入规模 本身. 当我们看投入规模大到足以使只为了增长的运行时间有关, 我们正在研究的渐近效率的算法. 即 我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
回答者：xya248 - 高级经理 七级 6-6 01:00
overview
The order of growth of the running time of an algorithm, defined in Chapter 2, gives a simple
characterization of the algorithm's efficiency and also allows us to compare the relative
performance of alternative algorithms. Once the input size n becomes large enough, merge
sort, with its Θ(n lg n) worst-case running time, beats insertion sort, whose worst-case running
time is Θ(n2). Although we can sometimes determine the exact running time of an algorithm,
as we did for insertion sort in Chapter 2, the extra precision is not usually worth the effort of
computing it. For large enough inputs, the multiplicative constants and lower-order terms of
an exact running time are dominated by the effects of the input size itself.
When we look at input sizes large enough to make only the order of growth of the running
time relevant, we are studying the asymptotic efficiency of algorithms. That is, we are
concerned with how the running time of an algorithm increases with the size of the input in
the limit, as the size of the input increases without bound. Usually, an algorithm that is
asymptotically more efficient will be the best choice for all but very small inputs.
翻译过来是：
概况秩序增长的运行时间算法,确定第2章, 给出一个简单
的表征算法的效率,也使我们能比较的相对表现替代算法.
一旦投入量n变得足够大,合并排序,其θ(氮LG集团n )的最
坏情况运行时间, 节拍插入排序,其最坏情况的运行时间θ
(氮气) . 虽然我们有时候确定确切的运行时间的算法, 正
如我们对插入排序,在第2章,次 电子精密额外通常不值得
努力的计算. 供足够大的投入, 乘法常数和较低阶的精确
运行时间的支配作用的投入规模 本身. 当我们看投入规模
大到足以使只为了增长的运行时间有关, 我们正在研究的
渐近效率的算法. 即 我们所关注的是如何运行时间的增
加,算法与庞大的投入的影响 限制,因为人数的增加投入,
没有约束. 通常,一个算法是渐近更有效率将会是最佳的选
择,但很少投入.
回答者：yue23yue23 - 助理 二级 6-6 03:32
没有基础知识 翻译的肯定是不行的哇~~
回答者：peachmianmian - 助理 三级 6-6 09:17
概要算法的运行时间的成长次序, 被定义在章节2 里, 给算法的效率的一个简单的描述特性和并且允许我们比较供选择的算法相对表现。一旦输入大小n 变得足够大, 合并排序法, 以它的(n lg n) 最坏的运行时间, 摔打插入排序, 最坏的运行时间是(n2) 。虽然我们能有时确定算法的确切的运行时间, 如同在章节2里我们做了为插入排序, 努力计算额外精确度通常不是价值。为了足够的输入, 确切的运行时间乘常数和低秩序期限由输入大小的作用控制。
当我们看输入估量足够大与唯一命令运行时间有关, 我们学习渐进效率算法。那是我们牵涉到当输入的大小增加没有区域，怎样算运行时间增加以输入的大小在极限中。通常, 除了非常小输入，渐进算法是更加高效率的算法，将是最佳的选择。
++++分
回答者：xmaipp1314 - 助理 二级 6-6 09:40
不是吧，大家都这么谦虚啊。弄的我都没脸见人了！~~~~~~给我加分哦，呵呵。再加个好友~~~~~~
概况秩序增长的运行时间算法,确定第2章, 给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,其θ(氮LG集团n )的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间θ(氮气) . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入, 乘法常数和较低阶的精确运行时间的支配作用的投入规模 本身. 当我们看投入规模大到足以使只为了增长的运行时间有关, 我们正在研究的渐近效率的算法. 即 我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
回答者：ylzqgw - 见习魔法师 二级 6-6 09:47
概况秩序增长的运行时间算法给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间是什么 . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入,我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
回答者：咔〃〃咔 - 见习魔法师 二级 6-6 10:54
概要
算法的运行时间的成长次序, 被定义在章节2 里, 给一简单 algorithm's 效率的描述特性和并且允许我们用比较性的算法表现。一旦输入大小n 变得足够大, 合并 排序, 以它的?(n lg n) 最坏的运行时间, 敲打插入排序, 最坏的赛跑 时间是?(n2) 。虽然我们能有时确定算法的确切的运行时间, 如同我们做了为插入排序在章节2 里, 额外精确度通常不是价值努力 计算它。为大足够输入, 乘常数和低秩序期限 确切的运行时间由输入大小的作用控制。 当我们看输入估量足够大做唯一命令赛跑的成长 计时相关, 我们学习算法渐进效率。那是我们是 与怎样有关算法的运行时间增加以输入的大小 极限, 当输入的大小增加没有区域。通常,是的算法 更加高效率渐进地将是最佳的选择为所有除了非常小输入
好难好难好难啊！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
回答者：匿名 6-6 11:46
这几个的确句型有些长,翻译习惯也可以参照一下别人的,反正今天好象回答你的人好多.
-------------------------------
overview
The order of growth of the running time of an algorithm, defined in Chapter 2, gives a simple
characterization of the algorithm's efficiency and also allows us to compare the relative
performance of alternative algorithms. Once the input size n becomes large enough, merge
sort, with its Θ(n lg n) worst-case running time, beats insertion sort, whose worst-case running
time is Θ(n2). Although we can sometimes determine the exact running time of an algorithm,
as we did for insertion sort in Chapter 2, the extra precision is not usually worth the effort of
computing it. For large enough inputs, the multiplicative constants and lower-order terms of
an exact running time are dominated by the effects of the input size itself.
When we look at input sizes large enough to make only the order of growth of the running
time relevant, we are studying the asymptotic efficiency of algorithms. That is, we are
concerned with how the running time of an algorithm increases with the size of the input in
the limit, as the size of the input increases without bound. Usually, an algorithm that is
asymptotically more efficient will be the best choice for all but very small inputs.
概要
算法运行时间的成长次序, 被定义在第二章里, 给算法的特性一个简单的描述并允许我们把它与供选择的算法进行比较。一旦输入大小n变得足够大, 合并排序法, 以Θ(nlgn) 最差运行时间,来检验最差运行时间是Θ(n2)的插入排序。虽然我们有时能确定算法确切的运行时间, 但如同在第二章里我们为了插入排序,而努力计算额外精确度通常并没有价值。为了足够大的投入, 常数和一具体运行时间的低秩序期限的积由投入规模本身所控制.
当投入规模大到足够确定相关命令运行时间的情况下, 我们应该学习渐进效率算法。即，当输入大小的增加没有限制，我们就要考虑怎样计算运行时间的增长变化，就像输入大小有限制的时候那样。通常, 除了非常小的输入，渐进算法是更加高效率的算法，将是最佳的选择。
This chapter gives several standard methods for simplifying the asymptotic analysis of
algorithms. The next section begins by defining several types of "asymptotic notation," of
which we have already seen an example in Θ-notation. Several notational conventions used
throughout this book are then presented, and finally we review the behavior of functions that
commonly arise in the analysis of algorithms.
本章讲述了算法渐进分析的几种简化方法。下一部分将首先定义几种“渐进符号”，在这些符号中我们已经见过的如Θ符号。还将给出本书中通篇出现的几种符号约定。最后我们将重温一下出现在算法分析中的常用函数的特性。
3.1 Asymptotic notation The notations we use to describe the asymptotic running time of an algorithm are defined in
terms of functions whose domains are the set of natural numbers N = {0, 1, 2, ...}.
Such notations are convenient for describing the worst-case running-time function T (n), which is
usually defined only on integer input sizes.
It is sometimes convenient, however, to abuse asymptotic notation in a variety of ways.
For example, the notation is easily extended to the domain of real numbers or, alternatively, restricted to a subset of the natural numbers. It is important, however, to understand the precise meaning of the notation so that when it is
abused, it is not misused. This section defines the basic asymptotic notations and also
introduces some common abuses.
3.1 渐进法
我们用来描述连续运行时间算法的一种记数法，其定义是：函数项的域值为自然数N={0，1，2，…}。
这种记数法在描述最简单的连续时间函数T(n)是方便的，因为它的输入范围通常仅取整数。它有时是方便的，然而，我们需要用比较多的方式来描述不规则渐进记法。例如，记法很容易在实数域内取值，或者交替地限定在自然数的一个子集内。尽管记数法重要，但我们需要了解其精确涵义，以便函数不规则时它没有被误用。本节定义了基本的渐进记法并且介绍一些一般的不规则函数。
回答者：tonrry - 高级魔法师 七级 6-6 14:43
概况秩序增长的运行时间算法,确定第2章, 给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,其θ(氮LG集团n )的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间θ(氮气) . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入, 乘法常数和较低阶的精确运行时间的支配作用的投入规模 本身. 当即 我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
这股不难，以后好好学，就这样，学着点。
回答者：糖果果12 - 试用期 一级 6-6 16:03
水平有限，但绝对是手译的。
在第二章定义的一个算法运行时间的增长顺序,给出了对算法效率的简单描述, 并且使我们能够比较相关算法的性能. 当输入的足够多的元素时,混合排序的最坏情况的运行时间（ Θ(n lg n)）就要比插入排序最坏情况的运行时间(Θ(n2))要好. 尽管我们有时可以决定一个算法准确的运行时间,就像第二章对插入排序讨论的那样, 但是精确度通常不值得那样计算. 对大的输入而言, 准确运行时间的倍数常量和低位数就由输入的规模决定了.
当输入的量很大时,大到能使运行时间增长到一定程度时, 我们研究算法的渐近效率.也就是说,我们关心的是怎样让算法的运行时间在输入规模的限制下增加,就像输入规模在无限制的情况下增加. 通常,一个更加有效率的渐近算法是当输入规模很小时是最佳选择.
概要算法的运行时间的成长次序, 被定义在章节2 里, 给算法的效率的一个简单的描述特性和并且允许我们比较供选择的算法相对表现。一旦输入大小n 变得足够大, 合并排序法, 以它的(n lg n) 最坏的运行时间, 摔打插入排序, 最坏的运行时间是(n2) 。虽然我们能有时确定算法的确切的运行时间, 如同在章节2里我们做了为插入排序, 努力计算额外精确度通常不是价值。为了足够的输入, 确切的运行时间乘常数和低秩序期限由输入大小的作用控制。
当我们看输入估量足够大与唯一命令运行时间有关, 我们学习渐进效率算法。那是我们牵涉到当输入的大小增加没有区域，怎样算运行时间增加以输入的大小在极限中。通常, 除了非常小输入，渐进算法是更加高效率的算法，将是最佳的选择。
++++分
概况秩序增长的运行时间算法,确定第2章, 给出一个简单的表征算法的效率,也使我们能比较的相对表现替代算法. 一旦投入量n变得足够大,合并排序,其? ? (氮LG集团n )的最坏情况运行时间, 节拍插入排序,其最坏情况的运行时间是什么? ? (氮气) . 虽然我们有时候确定确切的运行时间的算法, 正如我们对插入排序,在第2章,次 电子精密额外通常不值得努力的计算. 供足够大的投入, 乘法常数和较低阶的精确运行时间的支配作用的投入规模 本身. 当我们看投入规模大到足以使只为了增长的运行时间有关, 我们正在研究的渐近效率的算法. 即 我们所关注的是如何运行时间的增加,算法与庞大的投入的影响 限制,因为人数的增加投入,没有约束. 通常,一个算法是渐近更有效率将会是最佳的选择,但很少投入.
大概就是这样吧，我才初二，译得不好别怪我
水平有限，但绝对是手译的。
在第二章定义的一个算法运行时间的增长顺序,给出了对算法效率的简单描述, 并且使我们能够比较相关算法的性能. 当输入的足够多的元素时,混合排序的最坏情况的运行时间（ Θ(n lg n)）就要比插入排序最坏情况的运行时间(Θ(n2))要好. 尽管我们有时可以决定一个算法准确的运行时间,就像第二章对插入排序讨论的那样, 但是精确度通常不值得那样计算. 对大的输入而言, 准确运行时间的倍数常量和低位数就由输入的规模决定了.
当输入的量很大时,大到能使运行时间增长到一定程度时, 我们研究算法的渐近效率.也就是说,我们关心的是怎样让算法的运行时间在输入规模的限制下增加,就像输入规模在无限制的情况下增加. 通常,一个更加有效率的渐近算法是当输入规模很小时是最佳选择.
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024