على الخطوات المتوقعة.

- Posterior Analysis: يتم تحليل الخوارزمية بعد تنفيذها ويتم قياس الوقت الفعلي المستغرق.

عامل المساحة

ينقسم عامل المساحة إلى عاملين:

-Fixed Part: المساحة الثابتة المستخدمة من الذاكرة، وهي الجزء الذي لا يتغير بحجم البيانات المدخلة.

- Variable Part: المساحة المتغيرة المستخدمة من الذاكرة، وهي الجزء الذي يتغير بحجم البيانات المدخلة.

توضيح الفرق بين حالات التحليل

تم شرح الفرق بين أفضل حالة (Best Case) وحالة الوسيط (Average Case) وأسوأ حالة (Worst Case) لتحليل الأداء الزمني للخوارزميات.

Asymptotic Notations

تم شرح علامات التقارب (Asymptotic Notations) التي تستخدم لتقدير أداء الخوارزميات بشكل عام.

ترتيب الخوارزميات بناءً على Big O:

تم شرح كيفية ترتيب الخوارزميات بناءً على الفئة الزمنية الأكبر (Big O) والتي تمثل الحد الأعلى لأداء الخوارزمية.

Introduction to Algorithm Analysis:

In this lecture, methods for analyzing algorithms and the principles upon which their analysis relies were explained. These principles depend on two main factors: time complexity and space complexity.

Time Complexity:

Time complexity is divided into two parts:

- Priori Analysis: The algorithm is analyzed before execution, estimating the time based on expected steps.

-Posterior Analysis: The algorithm is analyzed after execution, measuring the actual time taken.

Space Complexity:

Space complexity is divided into two parts:

- Fixed Part: The fixed space used by the algorithm, which doesn't change with input size.

-  Variable Part: The variable space used by the algorithm, which changes with input size.

Clarification of Analysis Cases:

The difference between Best Case, Average Case, and Worst Case scenarios for analyzing the time performance of algorithms was explained.

Asymptotic Notations:

Asymptotic notations, used to estimate the performance of algorithms in general, were explained.

Arranging Algorithms Based on Big O:

How to arrange algorithms based on their Big O time complexity class, representing the upper bound of algorithm performance, was explained.