Tag: 时间复杂性

为什么差异列表比常规连接更有效？

我现在正在通过在线学习你一个haskell书籍，并且已经到了一个章节，作者正在解释一些列表连接可能是不够的：例如 ((((a ++ b) ++ c) ++ d) ++ e) ++ f 据说效率不高。 作者提出的解决scheme是使用定义为“差异列表” newtype DiffList a = DiffList {getDiffList :: [a] -> [a] } instance Monoid (DiffList a) where mempty = DiffList (\xs -> [] ++ xs) (DiffList f) `mappend` (DiffList g) = DiffList (\xs -> f (g xs)) 我很难理解为什么在某些情况下DiffList在计算上比简单的级联更有效率。 有人能够简单地向我解释为什么上面的例子效率很低，DiffList以什么方式解决了这个问题？

Java中的LinkedList调用size（）的时间复杂度是多less？

正如标题所问，我不知道LinkedList类中的size（）方法是否需要O（1）时间或O（n）时间。

时间复杂度删除运营商

什么是delete[]运算符的时间复杂性 ？ 我的意思是它是如何实现的 – 是否遍历数组中的所有元素并调用每个元素的析构函数？ 这个操作符是否对原始types （ int等）和用户定义的types做同样的事情？

len（）关于集合和列表的复杂性

len()关于集合和列表的复杂性同样是O（1）。 为什么需要更多的时间来处理集合？ ~$ python -m timeit "a=[1,2,3,4,5,6,7,8,9,10];len(a)" 10000000 loops, best of 3: 0.168 usec per loop ~$ python -m timeit "a={1,2,3,4,5,6,7,8,9,10};len(a)" 1000000 loops, best of 3: 0.375 usec per loop 它是否与特定的基准相关，比如，构build集比构build列表需要更多的时间，并且基准也考虑到了这一点？ 如果创build一个集合对象比创build一个列表需要更多的时间，那么根本原因是什么？

在计算时间方面，O（n）algorithm能否超过O（n ^ 2）？

假设我有两个algorithm： for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { //do something in constant time } } 这当然是O(n^2) 。 假设我也有： for (int i = 0; i < 100; i++) { for (int j = 0; j < n; j++) { //do something in constant […]

各种数据结构的时间复杂度是多less？

我试图列出常见的数据结构像数组，二叉search树，堆，链表等操作的时间复杂性，特别是我指的是Java。 他们是非常普遍的，但我想我们中的一些人并不是100％确切的答案。 任何帮助，特别是参考，非常感谢。 例如对于单链表：更改一个内部元素是O（1）。 你怎么能这样做？ 在更改元素之前，您必须先search元素。 此外，对于vector，添加一个内部元素给出为O（n）。 但是，为什么我们不能以分期固定的时间使用指数呢？ 请纠正我，如果我失去了一些东西。 我张贴我的发现/猜测作为第一个答案。

嵌套for循环的时间复杂度

我需要计算以下代码的时间复杂度： for (i = 1; i <= n; i++) { for(j = 1; j <= i; j++) { // Some code } } 是O（n ^ 2）吗？

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。

斐波那契数列的计算复杂性

我理解Big-O符号，但我不知道如何计算它的许多function。 特别是，我一直在试图弄清斐波那契数列的天真版本的计算复杂性： int Fibonacci(int n) { if (n <= 1) return n; else return Fibonacci(n – 1) + Fibonacci(n – 2); } 斐波纳契数列的计算复杂度是多less？它是如何计算的？

什么是“大O”符号的简单英文解释？

我宁愿尽可能less的正式定义和简单的math。