[英]How to measure the time-complexity (Big-O) of this algorithm?
我试图测量以下算法的大O复杂度:
int sumSome(int[] arr){
int sum = 0;
for (int i=0; i<arr.length; i++) {
for (int j=1; j<arr.length; j = j*2) {
if (arr[i] > arr[j])
sum += arr[i];
}
}
return sum;
}
现在从我的理解,
if (arr[i] > arr[j])
sum += arr[i];
O(1)有很大的O,因为它是常数并且没有任何事情发生,但是听起来它的for循环虽然我很难分辨它的Big-O表示法。 我认为
for (int j=1; j<arr.length; j = j*2) {
if (arr[i] > arr[j])
sum += arr[i];
}
是一个线性函数O(n),因为j可能是1但它在O(2n)处以线性方式上升,这只是O(n)。 那么整个算法不是O(n ^ 2)吗? 显然我没有在MOOC考试中正确回答这个问题。 谢谢!
是一个线性函数O(n),因为j可能是1但它在O(2n)处以线性方式上升,这只是O(n)。 因此,整个算法不会是O(n ^ 2)。 显然我没有在MOOC考试中正确回答这个问题。 谢谢!
它不是线性上升,而是呈指数上升,因为你在每次迭代时将j
乘以2
。
j = 1, 2, 4, 8, 16, 32, ..., 2^k < n
2^k < n | apply log base 2 => k < log_2 n => k = O(log n)
所以第二个循环只执行O(log n)
次,使整个代码序列为O(n log n)
。
严格来说, O(n^2)
也是一个正确的答案,因为如果O(n log n)
是一个上界,那么O(n^2)
。 然而, n^2
大Theta不正确,人们通常也会使用Big-Oh来指代严格的界限。
Big-O的关键是寻找循环,所以你的关键部分在这里:
for (int i=0; i<arr.length; i++) {
for (int j=1; j<arr.length; j = j*2) {
if (arr[i] > arr[j])
sum += arr[i];
}
}
外循环执行N次,因为它以0为增量从0到N.
内部循环每次外部迭代执行Log N次,因为它以指数方式从1到N执行。 (我怀疑,你错过的那个是循环中的迭代器: j = j*2
这使得J呈指数增长,而不是线性增长,因此它将在log-base-2时间内达到N.如果它是+2
,而不是*2
)
if-inside对Big-O无关紧要,因为它只增加了一个系数。
因此,只需乘以循环的顺序: N * Log N = N Log N
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.