[英]Complexity analyisis & recurrence relations
我正在嘗試為以下兩個遞歸函數查找復雜性,但不知道如何對遞歸函數進行復雜性分析
查找所有可能的子集
def subsetsHelper(self, nums, index, path, res):
if path is None:
return
res.add(path)
for i in range(index, len(nums)):
self.subsetsHelper(nums, i + 1, path + [nums[i]], res)
def subsetsWithDup(self, nums):
res = []
self.subsetsHelper(nums, 0, [], res)
return res
查找所有可能的排列
def permuteHelper(self, nums, index, path, res):
if len(nums) == 0:
res.append(path)
for i in range(len(nums)):
copy = list(nums)
val = copy.pop(i)
self.permuteHelper(copy, i, [val] + path, res)
def permute(self, nums):
res = []
self.permuteHelper(nums, 0,[], res)
return res
另外,函數的遞歸關系是什么
如果nums
的長度為n
,則第一種算法的時間復雜度關系為T(n) = T(n-1) + T(n-2) + ... + T(1) + 1
。 現在嘗試通過擴展方程式解決這個問題。
T(n) = T(n-1) + T(n-2) + ... + T(1) + 1
T(n) = (T(n-2) + T(n-3) + ... + T(1) + 1) + T(n-2) + ... + T(1) + 1
T(n) = 2T(n-2) + 2T(n-3) + ... + 2T(1) + 2
T(n) = 2(T(n-3) + T(n-4) + ... + T(1) + 1) + 2T(n-3)... + 2T(1) + 2
T(n) = 2^2 T(n-3) + 2^2 T(n-4) + ... + 2^2T(1) + 2^2
因此, T(n) = O(2^n)
。
如注釋中所述,對於第二種算法,您在每次迭代中都有一個副本,並且將函數除其中一個以外的其他數組都調用。 因此, T(n) = n * T(n-1) + n^2
( n^2
為n
與尺寸數組的拷貝n
)。 使用擴展,我們將有:
T(n) = n * T(n-1) + n^2
T(n) = n * ((n-1) * T(n-2) + (n-1)^2) + n^2
T(n) = n*(n-1) T(n-2) + n * (n-1)^2 + n^2
T(n) = n*(n-1) ((n-2) * T(n-3) + (n-2)^2) + n * (n-1)^2 + n^2
T(n) = n*(n-1)*(n-2)T(n-3) + n*(n-1)*(n-2)^2 + n * (n-1)^2 + n^2
因此T(n) = O((n + 1)!)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.