[英]What is the time complexity of this recursive function that checks for a permutation?
[英]What is the complexity of finding permutation this way?
此方法:
private static void permutation(String prefix, String str)
{
int n = str.length();
if(n==0)
System.out.println(prefix);
else
{
for(int i=0;i<n;i++)
permutation(prefix+str.charAt(i),str.substring(0,i)+str.substring(i+1,n));
}
}
查找字符串的所有排列。 用permutation("","ABC");
调用时permutation("","ABC");
它打印:
ABC
ACB
BAC
BCA
CAB
CBA
现在的问题是:这种方法的复杂性是什么? 是O(n!)
还是O(nlogn)
。 用递归树回答将非常有帮助! 谢谢,
都不:-)
令T(n,k)是调用置换的步数,其中k是str
的长度。
显然,T(n,0)= O(n)。
对于1 <k <= n,我们有k个循环体执行,每个循环执行一些字符串连接(花费O(n))和递归调用花费T(n,k-1)。 因此,
T(n,k) = k (O(n) + T(n,k-1)).
猜测这种重复发生的封闭形式的一种简单方法是写出一些术语:
T(n,k) = k * (n + (k-1) * (n + T(n,k-2)))
让我们将所有这n个术语分开:
= kn + k(k-1)n + k(k-1)T(n,k-2)
再扩大一点
= kn + k(k-1)n + k(k-1)(k-2)n + k(k-1)(k-2)T(n,k-3)
这表明
T(n,k) = kn + k(k-1)n + k(k-1)(k-2)n + ... + k!n
= n (k + k(k-1) + k(k-1)(k-2) + ... + k!)
和
T(n,n) = n (n + n(n-1) + n(n-1)(n-2) + ... + n!)
= nn! (1/(n-1)! + 1/(n-2)! + 1/(n-3)! + ... + 1)
\----------------- --------------------/
\ /
1 < x < 2
因此T(n,n)= O(nn!)
由于您正在打印一个n
字符串的每个排列,因此就有n!
串,时间复杂度出现 O(n!)
可以通过图形方式显示重复发生(不完整,但是您应该了解一下),如下所示:
-------------- p("", "ABC")------------
/ | \
p("A", "BC") p("B", "AC") p("C", "AB")
| |
p("AB", "C") p("AC", "B")
| |
p("ABC", "") p("ACB", "")
如您所见,调用树的叶子具有以基本形式打印的prefix
形式的必需排列。 由于这棵树的叶子数是n!
,复杂性似乎 O(n!)
一个直观的理由,为什么它不(低) O(nlogn)
是其他复发是O(nlogn)
不要这个样子。 例如,在进行合并排序的情况下,您将问题大小减半并在每个步骤中执行线性合并操作。 由于存在log(n)
步骤,因此您将获得O(nlog(n))
作为递归的解决方案。 但是,在这个问题中,由于您需要做很多工作,因此时间复杂度更高。
上面第一次尝试中的分析不太正确。 这里还有更多事情要做。 呼叫树确实有n!
树叶。 但是为了到达那些叶子,我们必须在代表递归调用的每个非叶子节点上做更多的工作。 节点的第一电平的数目显然n
的字符串str
具有n
字符。 在进行下一个递归调用之前,还会进行字符串连接。 这些使它更加耗时。 n
调用中的每一个最终都总共附加了至少n
字符。
在第二级,这n
节点中的每一个都产生了(n-1)
节点,总共有n(n-1)
。 同样,有许多字符串串联。
这个过程一直持续到递归n!
为止n!
在调用树中离开。 调用树中的节点总数为
= n + n(n-1) + n(n-1)(n-2) + ... + n(n-1)(n-2)...1
= n(n-1)(n-2)...1 + n(n-1)(n-2)...2 + n(n-1)(n-2)...3 + ... + n(n-1) + n
= n! + (n!/2) + (n!/(2.3)) + ... + (n!/(1.2.3...(n-1)) --- these are n terms
= n! (1 + 1/2 + 1/2.3 + 1/2.3.4 + ...)
= n! (1.71828...)
= O(n!)
在这些调用中的每个调用中,至少要附加n
字符(并且正如Paul指出的那样,正在打印新行),总工作量为O(nn!)
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.