![](/img/trans.png)
[英]What is the time complexity of this recursive function that checks for a permutation?
[英]What would be the time complexity of below recursive function
下面的遞歸 function 的時間復雜度是多少?
我正在使用下面的 T(n) 但不確定我是否為這個 function 創建了正確的方程
T(n)=T(n-1)+n -> o(n^2)
public static int test2(int n){
if(n<=0){
return 0;
}
for(int i =0; i<=n; i++){
for(int j =0; j<=n; j++){
System.out.println(" in here " + i + j);
}
test2(n-1);
}
return 1;
}
我認為 function 是:T(n)=n(T(n-1))+n^2
O(n^2)
是單個非終止遞歸調用的時間復雜度,但不是整體時間復雜度。
每次調用test(n)
,如果它沒有達到遞歸的基本情況,就會創建n + 1
個遞歸調用分支。
例如,如果n = 2
。 遞歸調用樹將是:
t(2)
/ | \
/ | \
t(1) t(1) t(1)
/ \ / \ / \
t(0) t(0) t(0) t(0) t(0) t(0)
所以調用test(2)
會導致9
次遞歸調用。 如果我們調用test(3)
它將產生40
遞歸調用。
基本上我們有:
(n) * (n + 1 - 1) * (n + 1 - 2) * (n + 1 - 3) * ... until `n` doesn't turn to 1
這類似於階乘,如果我們忽略+1
,它大致n!
遞歸調用。 每個都有時間復雜度O(n^2)
所以整體的時間復雜度可以表示為:
O(n^2 * n!)
我將從數學的角度來解決這個問題。
首先,你的 T(n) 方程不正確,它應該是:
T(n) = n * (T (n-1) + n)
原因是您有 n 次迭代,並且對於每次迭代(這就是產品的來源),您在進行 n 次迭代時進行遞歸。 所以基本上你會有:
T(n) = n * T(n-1) + n^2
T(n-1) = (n-1) * T(n-2) + (n-1)^2
T(n-2) = (n-2) * T(n-3) + (n-2)^2
.
.
.
T(2) = 2 * T(1) + 2^2
T(1) = 1 * T(0) + 1^2
其中 T(0) = 1 基本上給出了您的定義。 因此,現在通過一些重新排序和乘法,您將擁有:
T (n) = n^2 + n*((n-1)^2) + n*(n-1)*((n-2)^2) + ... + n*(n-1)*(n-2)*(n-3)*...*(n-(n-3))*(2^2) + (2 * n!)
最后一個 2 * n 的原因。 是 T(1) = 2 並通過乘法得到 n 的系數..(對過程基本上從 T(n-1) 開始並將方程與 n 相乘並將其添加到 T 的方程(n) 你擺脫了 T(n-1)。但是你現在在 T(n) 的等式中有 T(n-2) 所以重復這個過程)所以我認為(但我不確定)時間復雜度將是 n! 而不是 n^2。 我希望這是有幫助的。
按時間替換操作,您可以建立以下循環:
T(0) = C0
T(n) =
Σ{i=0..n}
Σ{j=0..n}
C1
+
T(n-1)
+ C2
這可以重寫
T(n) = (n+1).((n+1).C1 + T(n-1)) + C2 = (n+1).T(n-1) + (n+1)².C1 + C2
這個遞歸的精確解有點技術含量。 通過求解齊次方程,我們得到解C.(n+1)!
並通過我們設置的系數的變化
T(n) = (n+1)!.U(n)
然后
(n+1)!.U(n) = (n+1).n!.U(n-1) + C1.(n+1)² + C2
或者
U(n) = U(n-1) + C1/(n-2)! + 2C1/(n-1)! + C2/(n+1)!
我們認識到 e 的截斷級數,它很快收斂到一個常數並且
T(n) ~ C(n+1)! = O((n+1)!)
這是一個相當復雜的 function。讓我們從下往上移動,也許我們可以看到一些東西。
T(0) = 1
T(1) = 2 * (2 + T(0)) = 2 * (2 + 1) = 2 * 3 = 6
T(2) = 3 * (3 + T(1)) = 3 * (3 + 6) = 2 * 9 = 27
T(3) = 4 * (4 + T(2)) = 4 * (4 + 27) = 4 * 31 = 124
如果我們以不同的方式擴展它
T(1) = 2 * (2 + T(0))
T(2) = 3 * (3 + 2 * (2 + T(0)))
T(3) = 4 * (4 + T(2)) = 4 * (4 + 3 * (3 + 2 * (2 + T(0))))
...
T(n) = (n+1) * (n+1 + T(n)) = (n+1) * (n+1 + n * (n + T(n -1))) =
(n+1) * (n+1 + n * (n + (n-1) * ((n-1) + T(n-2))))
現在如果我們打開 T(n) 的括號
T(n) = (n+1)^2 + (n+1)n*(n + T(n-1)) = (n+1)^2 + (n+1)n^2 + (n+1)n(n-1)*((n-1) + T(n-1)) = ...
= (n+1)^2 + (n+1)n^2 + ... + (n+1)n(n-1)...2^2 + (n+1)! = Sum[iProduct[j,{j,i,n}],{i,2,n}] + (n+1)!
(我使用 wolfram alpha 作為總和,我希望它是正確的)
從最后的求和可以看出,求和的最大成員是(n+1)!
其他一切都會變小,所以我們可以忽略它們。 +1
也毫無意義,所以我們也可以放棄它。 最終結果是您的遞歸 function 是o(n!)
。
如果有人問為什么n+1
,那是因為循環條件是i<=n
而不是i < n
。 另外,我已經好幾年沒有做過這種類型的分析了,我希望我沒有犯任何重大錯誤。
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.