Tag: 大

Euclidalgorithm的时间复杂度: 我很难判断Euclid的最大公分母algorithm的时间复杂度是多less。这个伪码的algorithm是： function gcd(a, b) while b ≠ 0 t := b b := a mod b a := t return a 这似乎取决于a和b 。我的想法是时间复杂度是O（a％b）。那是对的吗？有没有更好的方式来写这个？

algorithm确定数组是否包含n … n + m？: 我在Reddit上看到了这个问题，并没有提出正面的解决scheme，我认为这是一个完美的问题。这是关于面试问题的一个线索：编写一个采用大小为m的int数组的方法，如果数组由数字n … n + m-1组成，则返回（True / False），该范围内的所有数字以及该范围内的数字。数组不保证被sorting。（例如，{2,3,4}将返回true。{1,3,1}将返回false，{1,2,4}将返回false。我遇到的这个问题是我的面试官不断要求我优化（更快的O（n），更less的内存等），他声称你可以在一个arrays中使用恒定数量的记忆。从来没有想过这一个。随着你的解决scheme，请指出他们是否假设arrays包含独特的项目。同时指出你的解决scheme是否假定序列从1开始（我已经稍微修改了这个问题，以允许它进入2,3,4的情况）编辑：我现在认为，在处理重复的空间algorithm中不存在线性时间和常量。任何人都可以validation此？重复的问题归结为testing，以查看数组是否包含O（n）时间，O（1）空间中的重复项。如果可以这样做，您可以先简单testing一下，如果没有重复，则运行发布的algorithm。那么你能在O（n）时间O（1）空间中testingdupe吗？

为什么从大的O分析总是下降？: 我试图在PC上运行程序的上下文中了解Big O分析的一个特定方面。假设我有一个性能为O（n + 2）的algorithm。在这里，如果n变得非常大，则2变得不重要。在这种情况下，真正的性能是O（n）。然而，说另一个algorithm的平均性能为O（n ^ 2/2）。我看到这个例子的书说真实的performance是O（n ^ 2）。我不知道为什么，我的意思是在这种情况下，2似乎不是完全无关紧要的。所以我正在寻找这本书的一个很好的清晰的解释。这本书解释了这一点： “考虑1/2是什么意思，检查每个值的实际时间高度依赖于代码转换的机器指令，然后取决于CPU可以执行指令的速度，因此1/2”这意味着非常多。“ 而我的反应是……呃??? 我从字面上不知道这个说法是什么，或者更确切地说，这个说法与他们的结论有什么关系。有人可以为我拼出来，请。感谢您的帮助。

哈希表的时间复杂度: 我对散列表的时间复杂性感到困惑，许多文章指出它们是“平摊的O（1）”而不是真正的O（1）这在实际应用中意味着什么。在哈希表中的操作的平均时间复杂度是多less，在实际实现中不是理论上的，为什么这些操作不是真的O（1）？

什么会导致algorithm有O（log log n）的复杂性？: 这个较早的问题解决了一些可能导致algorithm具有O（log n）复杂度的因素。什么会导致一个algorithm的时间复杂度O（log log n）？

哈希表真的可以O（1）？: 哈希表可以达到O（1）似乎是常识，但是这对我来说是没有意义的。有人可以解释吗？这里有两个想到的情况： A. 值是一个比散列表的大小小的int。因此，这个值是它自己的哈希，所以没有哈希表。但是，如果有的话，这将是O（1），仍然是低效的。 B. 你必须计算一个哈希值。在这种情况下，查找数据大小的顺序是O（n）。在O（n）工作之后，查找可能是O（1），但是在我眼中仍然是O（n）。除非你有一个完美的散列表或一个大的散列表，否则每个存储桶可能有几个项目。所以，无论如何它都会在某个点上进入一个小的线性search。我认为散列表很棒，但是除非它是理论上的，否则我不会得到O（1）的称号。维基百科关于散列表的文章始终引用常量查找时间，并完全忽略散列函数的成本。这真的是一个公平的措施？编辑：总结我学到的东西：这在技术上是正确的，因为散列函数不需要使用密钥中的所有信息，因此可以是恒定的时间，并且因为足够大的表可以将冲突降低到接近恒定的时间。在实践中是这样的，因为随着时间的推移，只要散列函数和表大小被select为使冲突最小化，即使这通常意味着不使用恒定时间散列函数，也可以实现。

Java HashMap真的是O（1）吗？: 我已经看到了一些关于Java的hashps和它们的O(1)查找时间的有趣声明。有人能解释为什么这样吗？除非这些哈希algorithm与我所购买的任何哈希algorithm有很大的不同，否则肯定会存在一个包含冲突的数据集。在这种情况下，查找将是O(n)而不是O(1) 。有人可以解释他们是否是 O（1），如果是的话，他们是如何实现的？

O（log n）是什么意思？: 我目前正在学习Big O Notation运行时间和分期次数。我理解O（n）线性时间的概念，这意味着input的大小会按比例影响algorithm的增长…例如二次时间O（n 2 ）等也是如此。甚至algorithm，例如置换生成器，具有O（n！）次，以阶乘增长。例如，下面的函数是O（n），因为该algorithm与其inputn成比例增长： f(int n) { int i; for (i = 0; i < n; ++i) printf("%d", i); } 同样，如果有一个嵌套循环，时间将是O（n 2 ）。但究竟是O（log n）？例如，说一个完整的二叉树的高度是O（log n）是什么意思？我知道（也许不是很详细）什么对数，在这个意义上说：log 10 100 = 2，但我不明白如何识别对数时间的函数。

大O，你怎么计算/近似呢？: 大多数拥有CS学位的人肯定知道Big O代表什么。它可以帮助我们衡量一个algorithm的效率如何，如果你知道你想要解决的问题在哪个类别中，你可以找出是否仍然可以排除这个额外的性能。 1 但我很好奇，你如何计算或近似algorithm的复杂性？ 1 但是正如他们所说的那样，不要过头，不成熟的优化是万恶之源，没有正当理由的优化也应该得到这个名称。