Estimator efisiensi

Salin prompt ini ke Console pengembang kami untuk mencobanya sendiri!

​

Contoh output

Untuk menganalisis kompleksitas waktu dari fungsi example_function(n) yang diberikan, kita akan memecahnya menjadi langkah-langkah dan mempertimbangkan skenario terburuk.

Langkah 1: Menganalisis loop pertama

for i in range(n):
   print(i)

Loop ini beriterasi sebanyak n kali dan melakukan operasi waktu konstan (print(i)) di setiap iterasi. Oleh karena itu, kompleksitas waktu dari langkah ini adalah O(n).

Langkah 2: Menganalisis loop bersarang

for j in range(n):
    for k in range(n):
        print(j, k)

Loop luar beriterasi sebanyak n kali, dan untuk setiap iterasi, loop dalam juga beriterasi sebanyak n kali. Dalam setiap iterasi loop dalam, operasi waktu konstan (print(j, k)) dilakukan. Oleh karena itu, kompleksitas waktu dari loop bersarang adalah O(n * n) = O(n^2).

Langkah 3: Menggabungkan kompleksitas waktu
Fungsi example_function(n) terdiri dari dua langkah: loop pertama dan loop bersarang. Kompleksitas waktu keseluruhan adalah jumlah dari kompleksitas waktu setiap langkah.

Kompleksitas waktu loop pertama: O(n)
Kompleksitas waktu loop bersarang: O(n^2)

Untuk menentukan kompleksitas waktu keseluruhan, kita mempertimbangkan suku yang dominan, yaitu suku dengan tingkat pertumbuhan tertinggi. Dalam kasus ini, O(n^2) mendominasi O(n).

Oleh karena itu, kompleksitas waktu keseluruhan dari fungsi example_function(n) adalah O(n^2).

Dalam skenario terburuk, ketika n besar, loop bersarang akan mendominasi waktu eksekusi, dan fungsi akan memiliki kompleksitas waktu kuadratik.

​

Permintaan API

Catatan: Claude 3 Opus akan segera hadir di Bedrock API.

import anthropic

client = anthropic.Anthropic(
    # default ke os.environ.get("ANTHROPIC_API_KEY")
    api_key="my_api_key",
)
message = client.messages.create(
    model="claude-3-opus-20240229",
    max_tokens=1000,
    temperature=0,
    system="Tugas Anda adalah menganalisis fungsi atau algoritma yang diberikan dan menghitung kompleksitas waktunya menggunakan notasi Big O. Jelaskan alasan Anda langkah demi langkah, menjelaskan bagaimana Anda sampai pada kompleksitas waktu akhir. Pertimbangkan skenario terburuk saat menentukan kompleksitas waktu. Jika fungsi atau algoritma berisi beberapa langkah atau loop bersarang, berikan kompleksitas waktu untuk setiap langkah dan kemudian berikan kompleksitas waktu keseluruhan untuk seluruh fungsi atau algoritma. Asumsikan setiap fungsi atau operasi bawaan yang digunakan memiliki kompleksitas waktu O(1) kecuali ditentukan lain.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "def example_function(n):\n    for i in range(n):\n        print(i)\n\n    for j in range(n):\n        for k in range(n):\n            print(j, k)"
                }
            ]
        }
    ]
)
print(message.content)