我在理解以下有关分析以下两种算法的问题的答案时遇到问题。
for (int i = n ; i >= 1; i = i/2) {
for ( int j = 1; j <= n ; j++) {
//do something
}
}
根据答案,上述算法的复杂度为O(n)。它不应该更低吗,因为外循环总是将我们必须经过的量减半。我认为应该是O(n / 2 *)的意思吗?
for ( int j = 1; j <= n ; j++ ) {
for ( int i = n ; i >= j ; i = i / 2 ) {
//do something
}
}
如果我是正确的,那么这个就是O(n log n)?
第一次迭代将执行n
步骤,第二次将执行n/2
,第三次将执行n/4
,依此类推。
如果计算的总和n/(2^i)
为i=0..log n
您将得到大约2n
,这就是为什么它是O(n)
。
如果您n
将总和取出,仅对1/(2^i)
部分求和,则将得到2
。看一个例子:
1 + 1/2 + 1/4 + 1/8 + 1/16 + ... = 1 + 0.5 + 0.25 + 0.125 + 0.0625 + ... = 2
每个下一个元素小两倍,因此总和永远不会超过2
。
您对第二个嵌套循环示例是正确的-它是O(n log n)
。
编辑:
在ringø发表评论后,我重新阅读了问题,实际上算法与我所理解的不同。ringø是正确的,问题中描述的算法是O(n log n)
。但是,从上下文的角度来看,我认为OP意味着一种将内部循环绑定在一起i
而不是的算法n
。
该答案与以下算法有关:
for (int i = n ; i >= 1; i = i/2) {
for ( int j = 1; j <= i ; j++) {
//do something
}
}
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句