在书编程访谈暴露它说,下面的程序的复杂性是O(N),但我不明白这是如何可能的。有人可以解释为什么这是吗?这段代码的复杂性是多少?
int var = 2;
for (int i = 0; i < N; i++) {
for (int j = i+1; j < N; j *= 2) {
var += var;
}
}
在书编程访谈暴露它说,下面的程序的复杂性是O(N),但我不明白这是如何可能的。有人可以解释为什么这是吗?这段代码的复杂性是多少?
int var = 2;
for (int i = 0; i < N; i++) {
for (int j = i+1; j < N; j *= 2) {
var += var;
}
}
你需要一点数学才能看出来。内循环迭代Θ(1 + log [N/(i+1)])
次(1 +
是必要的,因为对于i >= N/2
,[N/(i+1)] = 1
和对数为0,但该循环迭代一次)。 j
所采用的值(i+1)*2^k
直到它至少为N
一样大,并且
(i+1)*2^k >= N <=> 2^k >= N/(i+1) <=> k >= log_2 (N/(i+1))
使用数学除法。所以更新j *= 2
被称为ceiling(log_2 (N/(i+1)))
时间和条件检查1 + ceiling(log_2 (N/(i+1)))
次。因此,我们可以写工作总
N-1 N
∑ (1 + log (N/(i+1)) = N + N*log N - ∑ log j
i=0 j=1
= N + N*log N - log N!
现在,Stirling's formula告诉我们
log N! = N*log N - N + O(log N)
所以我们发现所做的总功确实是O(N)
。
ASCII方程的荣誉/ art – meowgoesthedog
@Daniel Fischer的回答是正确的。
我想补充的是,这个算法的准确运行时间如下:
这意味着:
外部循环运行n
倍。现在全部取决于内部循环。
内循环现在是棘手的。
让我们遵循:
i=0 --> j=1 ---> log(n) iterations
...
...
i=(n/2)-1 --> j=n/2 ---> 1 iteration.
i=(n/2) --> j=(n/2)+1 --->1 iteration.
i > (n/2) ---> 1 iteration
(n/2)-1 >= i > (n/4) ---> 2 iterations
(n/4) >= i > (n/8) ---> 3 iterations
(n/8) >= i > (n/16) ---> 4 iterations
(n/16) >= i > (n/32) ---> 5 iterations
(n/2)*1 + (n/4)*2 + (n/8)*3 + (n/16)*4 + ... + [n/(2^i)]*i
N-1
n*∑ [i/(2^i)] =< 2*n
i=0
--> O(n)
您是不是指在第二个盒子里用'j'代替'i'? – meowgoesthedog
@meowgoesthedog,no。我的意思是'我',当外环在这些范围内时,j将被赋予'1 2 3 4 5 ...'不同的值(迭代次数)BTW,良好的信誉增益:)。几天前你有800〜 –
但是'j'是指数增长的变量,而不是像'i'那样的线性变量?我不认为迭代次数会像你说的那样线性增加。 – meowgoesthedog
* “它说:” *什么说?告诉我们你是在这里假设的。 – dmckee
我做了编辑,对模糊性抱歉 –
这个循环结构与heapify算法的循环结构非常接近,分析将非常相似。 – templatetypedef