[英]Time complexity of 3 nested loops with a condition
復雜度為O(n^4)
但不是因為你盲目地放棄了未使用的迭代。
這是因為當你考慮所有指令時, O(n + n^3 + n^4)
= O(n^4)
int DAA(int n){
int x = 0;
for(int i=1; i <= n; i++) // O(n)
for(int j=1; j <= i*i; j++) // O(1+2+...n^2) = O(n^3)
if(j % i == 0) // O(n^3) same as loop j
for(int k=1; k <= j; k++) // O(n^4), see below
x += 10; // O(n^4) same as loop k
return x;
}
循環k
僅在j%i==0
時執行,即{i, i*2, i*3 ... i*i}
所以對於最內層循環執行的情況,算法是有效的
int DAA(int n){
int x = 0;
for(int i=1; i <= n; i++) // O(n)
for(int t=1; t <= i; t++) // O(1+2+...+n) = O(n^2)
for(int k=1; k <= t*i; k++) // O(n^4)
x += 10;
return x;
}
讓我們說現在
int DAA(int n){
int x = 0;
for(int i=1; i <= n; i++) // O(n)
for(int j=1; j <= i*i; j++) // O(1+2+...+n^2) = O(n^3)
if(j == i)
for(int k=1; k <= j; k++)
x += 10; // oops! this only run O(n^2) time
return x;
}
// if(j==i*log(n)) also cause loop k becomes O((n^2)log(n))
// or, well, if(false) :P
雖然最里面的指令只運行O(n^2)
時間。 程序實際上做了if(j==i)
(and j++
, j<=i*i
) O(n^3)
時間,這使得整個算法O(n^3)
如果您擺脫無所作為的迭代,時間復雜度會更容易計算。 除非j
是i
的倍數,否則中間循環不會做任何事情。 因此,我們可以強制j
為i
的倍數並消除if
語句,這使代碼更易於分析。
int DAA(int n){
int x = 0;
for(int i=1; i <= n; i++){
for(int m=1; m <= i; m++){ // New variable to avoid the if statement
int j = m*i; // The values for which the inner loop executes
for(int k=1; k <= j; k++){
x += 10;
}
}
}
return x;
}
外循環迭代n
次。 O(n) 到目前為止。
中間循環迭代1
次,然后2
次,然后…… n
次。 人們可能會從 O(n 2 ) 排序算法中識別出這種設置。 循環執行n
次,迭代次數增加到n
,導致 O(n×n) 復雜度。
內循環按 n×n 次的順序執行(中間循環的復雜度)。 每次執行的迭代次數增加到 n×n( j
的最大值)。 類似於中間循環如何乘以它的執行次數和最大迭代次數以獲得其復雜性,內部循環的復雜性 - 因此整個代碼 - 應該變成 O(n 4 ),但我將離開作為練習的精確證明。
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.