[英]Finding the Big O time complexity
i = 1;
while (i <= n) {
j = n - i;
while (j >= 2) {
for (k = 1; k <= j; k++) {
s = s + Arr[k];
}
j = j - 2;
}
i = i + 1;
}
讓我困惑的部分是它所說的地方
j = n - i;
while(j >= 2){
我不太確定該如何展示我的作品。 我很確定算法雖然是O(n ^ 3)。
您可以稍微簡化一下,以便更清楚地看到內容:
for(i = 1; i <= n; i++)
{
for(j = n - i; j >= 2; j -= 2)
{
for(k = 1; k <= j; k++)
{
s = s + Arr[k];
}
}
}
現在事情應該更簡單
for(i = 1; i <= n; i++)
: O(n) [實際上執行了n次] for(j = n - i; j >= 2; j -= 2)
:( (n-1)/2
在第一次迭代中, (n-3)/2
在第二次迭代中,依此類推... O(n) for(k = 1; k <= j; k++)
在第1次迭代中為n-2
在第n-2
次迭代中為n-3
,依此類推... O(n) s = s + Arr[k];
[簡單操作]: O(1) 乘以每一步,您將得到O(n ^ 3)
如果您仍然遇到問題,建議您使用循環內的n
值和一個計數器運行此代碼的一些模擬。 希望您能夠看到O(n)
是每個循環的復雜度
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.