Tag: 大

O（log N）== O（1） – 为什么不呢？

每当我考虑algorithm/数据结构，我倾向于用常量来replacelog（N）部分。 哦，我知道日志（N）分歧 – 但在真实世界的应用程序中是否重要？ 日志（无穷远）<100为实际目的。 我真的很好奇现实世界的例子，这不成立。 澄清： 我明白O（f（N）） 我很好奇真实世界的例子， 渐近行为比实际performance的常量更重要。 如果log（N）可以被一个常量替代，它仍然可以用O（N log N）中的一个常量代替。 这个问题是为了（a）娱乐和（b）收集争论的使用，如果我再次（关于devise的performance）的争议。

这个algorithm的大O分析是什么？

我正在研究一个数据结构课程，我不确定如何进行这个大O分析： sum = 0; for(i = 1; i < n; i++) for(j = 1; j < i*i; j++) if(j % i == 0) for(k = 0; k < j; k++) sum++; 我最初的想法是，这是减less后的O（n ^ 3），因为最里面的循环只会在j / i没有余数时运行，而乘法规则不适用。 我的推理在这里是正确的吗？

检测一个string是否有独特的字符：比较我的解决scheme“破解编码面试？”

我正在通过“破解编码采访”一书的工作，我在这里遇到问题要求答案，但我需要帮助比较我的答案和解决scheme。 我的algorithm可行，但我很难理解本书中的解决scheme。 主要是因为我不明白一些运营商在做什么。 任务是：“实现一个algorithm来确定一个string是否具有所有唯一的字符，如果不能使用额外的数据结构怎么办？ 这是我的解决scheme： public static boolean checkForUnique(String str){ boolean containsUnique = false; for(char c : str.toCharArray()){ if(str.indexOf(c) == str.lastIndexOf(c)){ containsUnique = true; } else { containsUnique = false; } } return containsUnique; } 它有效，但这有多高效？ 我看到Java中的String的索引函数的复杂性是O（n * m） 以下是本书的解决scheme： public static boolean isUniqueChars(String str) { if (str.length() > 256) { return false; } int […]

2 ^ n和n * 2 ^ n在相同的时间复杂度？

我在时间复杂性上find的资源并不清楚什么时候可以忽略时间复杂度方程中的项，特别是非多项式的例子。 我很清楚，给定n 2 + n + 1的forms，后两项是不重要的。 具体来说，给出两个分类，2 n和n *（2 n ）是第二个与第一个相同的顺序？ 那么附加的n乘法是否重要？ 通常资源只是说x n处于指数增长速度更快，然后继续前进。 我可以理解为什么它不会因为n会大大超出n，而是因为它们没有被加在一起，所以在比较两个方程的时候会有很大的关系，实际上它们之间的差别总是n的一个因子，这至less可以说是很重要的。

为什么O（n ^ 2）这个algorithm的大O复杂性？

我知道这个algorithm的大O复杂度是O(n^2) ，但我不明白为什么。 int sum = 0; int i = 1; j = n * n; while (i++ < j–) sum++; 即使我们在开始时设置j = n * n ，我们在每次迭代期间递增i和递减j，所以迭代的结果数量是不是应该比n*nless很多？

什么是假多项时间？ 它与多项式时间有什么不同？

什么是假多项时间 ？ 它与多项式时间有什么不同？ 在假多项式时间运行的一些algorithm具有如O（nW）（对于0/1背包问题 ）或O（√n）（用于试划分 ）的运行时间; 为什么不算多项式时间呢？

JavaScript数组的大O

JavaScript中的数组非常容易通过添加和删除项目进行修改。 它有点掩盖了大多数语言数组是固定大小的事实，并且需要复杂的操作来resize。 JavaScript似乎很容易编写性能不佳的数组代码。 这导致了一个问题： 在数组性能方面，我可以从JavaScript实现中期望什么样的性能（就大O时间复杂度而言）？ 我认为所有合理的JavaScript实现至less有以下大O. 访问 – O（1） 附加 – O（n） 预先计划 – O（n） 插入 – O（n） 删除 – O（n） 交换 – O（1） JavaScript允许使用new Array(length)语法将数组预先填充到特定的大小。 （奖金问题：以这种方式创build一个数组O（1）或O（n））这更像是一个常规的数组，如果用作预先大小的数组，可以允许O（1）追加。 如果添加了循环缓冲区逻辑，则可以实现O（1）预先计划。 如果使用dynamic扩展的数组，O（log n）将是这两者的平均情况。 我能期待比我的假设更好的performance吗？ 我不希望在任何规范中列出任何内容，但实际上可能是所有主要实现都在后台使用优化的数组。 是否有dynamic扩展数组或其他性能提升algorithm在工作？ PS 我想知道这个的原因是因为我正在研究一些sortingalgorithm，其中大部分似乎假定追加和删除O（1）操作时，描述他们的整体大O.

什么会导致algorithm具有O（log n）的复杂性？

我对big-O的认识是有限的，当log方程出现在方程中的时候，它会把我抛到更远的地方。 有人可以简单地向我解释一下O(log n)algorithm是什么？ 对数从哪里来？ 当我试图解决这个中期实践问题时，这是特别提出的： 让X（1..n）和Y（1..n）包含两个整数列表，每个列表按非递减顺序sorting。 给出一个O（log n）时间algorithm来查找所有2n组合元素的中值（或第n个最小整数）。 例如，X =（4,5,7,8,9）和Y =（3,5,8,9,10），则7是组合列表的中间值（3,4,5,5,7 ，8，8，9，9，10）。 [提示：使用二进制search的概念]

最大单一销售利润

假设我们在一天内得到一个n个整数代表股票价格。 我们希望find一个（buyDay，sellDay） ， buyDay≤sellDay ，这样如果我们在buyDay买入股票并在卖出date卖出 ，我们将最大化我们的利润。 很明显，通过尝试所有可能的（buyDay，sellDay）对，并从所有这些对中最好地解决algorithm的O（n 2 ）解决scheme。 然而，有没有更好的algorithm，也许是一个运行在O（n）时间？

有没有什么情况下，你更喜欢更高的大O时间复杂度algorithm而不是更低的？

是否有任何情况下你会更喜欢O(log n)时间复杂度到O(1)时间复杂度？ 或者O(n)到O(log n) ？ 你有什么例子吗？