Tag: big o

经验估计大哦时间效率: 背景我想通过基准来评估库中某些方法的大噢performance。我不需要精确度 – 只要certificateO（1），O（logn），O（n），O（nlogn），O（n ^ 2）或者更糟。由于大哦表示上限，估计O（logn）是O（log logn）的东西不是问题。现在，我正在考虑find最适合每个大数据的恒定乘数k（但是会将所有结果置顶），然后select最合适的大数。问题有没有更好的办法比我所做的更好？如果是这样，他们是什么？否则，任何人都可以指点我的algorithm来估计k为最佳拟合，并比较每条曲线如何适合数据？注意和限制鉴于迄今为止的意见，我需要澄清一些事情：这需要自动化。我不能“看”数据并做出判断。我将要用多个n大小来对这些方法进行基准testing。对于每个规模n ，我将使用经过validation的基准框架，提供可靠的统计结果。事实上，我事先知道大多数将被testing的方法。我的主要目的是为他们提供性能回归testing。代码将用Scala编写，任何免费的Java库都可以使用。例这是我想测量的东西的一个例子。我有这个签名的方法： def apply(n: Int): A 给定一个n ，它将返回一个序列的第n个元素。在现有的实现中，这个方法可以有O（1），O（logn）或者O（n），而小的修改可以让它错误地使用次优的实现。或者，更容易的，可以得到一些依赖于它的其他方法来使用它的次优版本。

空algorithmO（0）的时间复杂度是多less？: 所以给了以下程序：这个程序的时间复杂度是O（0）吗？换句话说，是0 O（0）？我想在另外一个问题上回答这个问题会让我们看到这个问题。编辑：很多好的答案在这里！我们都同意0是O（1）。问题是，也是0 O（0）？

为什么插入链表O（1）的中间？: 根据链接列表上的维基百科文章，插入链表中间被认为是O（1）。我会认为这将是O（n）。你不需要find可能接近列表末尾的节点吗？这个分析是否不考虑节点操作的发现（尽pipe这是必需的），而只是插入本身？编辑：链接列表比数组有几个优点。在列表的特定位置插入元素是一个常量操作，而在数组中插入可能需要移动一半或更多的元素。上述说法对我有点误导。纠正我，如果我错了，但我认为结论应该是： arrays： find插入/删除的地方O（1）执行插入/删除O（n）链接列表： find插入/删除的地方O（n）执行插入/删除操作（1）我认为你唯一不需要find位置的方法就是保持某种指针（就像某些情况下的头部和尾部一样）。所以我们不能断然地说链表总是为插入/删除选项敲数组。

为什么即使散列函数不是O（1），也可以通过键O（1）访问字典的元素？: 我看你如何通过密钥访问你的collections。但是，哈希函数本身在幕后有很多操作，不是吗？假设你有一个非常有效的散列函数，它仍然可能需要很多操作。这可以解释吗？

实现push_rear（），pop_front（）和get_min（）都是常量操作的队列: 我碰到过这个问题：实现一个push_rear（），pop_front（）和get_min（）都是常量操作的队列。我最初想到使用get_min（）具有O（1）复杂度的min-heap数据结构。但push_rear（）和pop_front（）将是O（log（n））。有没有人知道什么是最好的方式来实现这样一个队列，其中有O（1）push（），pop（）和min（）？我search了这个，并想指出这个algorithm极客线程。但似乎没有任何解决scheme遵循所有3种方法的常量时间规则：push（），pop（）和min（）。感谢所有的build议。

这在技术上是“Hello World”的O（1）algorithm吗？: 这将被分类为“你好，世界！”O（1）algorithm。 ?? public class Hello1 { public static void Main() { DateTime TwentyYearsLater = new DateTime(2035,01,01); while ( DateTime.Now < TwentyYearsLater ) { System.Console.WriteLine("It's still not time to print the hello …"); } System.Console.WriteLine("Hello, World!"); } } 我正在考虑使用 DateTime TwentyYearsLater = new DateTime(2035,01,01); while ( DateTime.Now < TwentyYearsLater ) { // … } 代码片段作为一个忙碌的循环，当有人要求一个复杂的algorithm时，把它作为一个笑话。这是正确的吗？

有没有比Bogosort（又名猴sorting）更糟糕的sortingalgorithm？: 我的同事们把我赶回大学的时候，今天早上讨论了sortingalgorithm。我们回想起我们最喜欢的StupidSort ，我们中的一个人确定我们看到了一个sortingalgorithm是O(n!) 。这让我开始寻找我能find的“最糟糕的”sortingalgorithm。我们假设一个完全随机的sorting将是非常糟糕的（即随机化元素 – 是否按顺序？再次随机化），我环顾四周，发现它显然被称为BogoSort或Monkey Sort，或者有时候只是随机sorting 。猴sorting似乎具有O(∞)的最坏情况性能， O(∞) O(n)的最佳情况性能和O(n·n!)的平均性能。有没有任何命名algorithm的平均性能比O(n·n!) ？或者只比猴子sorting一般？

O（nlogn）algorithm – 在二进制string中查找三个均匀分布的algorithm: 我昨天在一个algorithmtesting中遇到过这个问题，我无法弄清楚答案。这让我非常疯狂，因为它值得大约40分。我认为大部分class级都没有正确解决，因为在过去24小时内我还没有提出解决scheme。给定长度为n的任意二进制string，如果它们存在，则在string内find三个均匀分布的string。写一个在O（n * log（n））时间内解决这个问题的algorithm。所以像这样的string有三个“均匀间隔”：11100000，0100100100 编辑：这是一个随机数，所以它应该能够为任何数字工作。我给的例子是说明“均匀间隔”的属性。所以1001011是一个有效的数字。 1,4和7是均匀分布的。

八岁的大O？: 我更多地询问这对我的代码意味着什么。我从math的angular度理解了这些概念，我只是很难从概念上理解他们的意思。例如，如果要在数据结构上执行O（1）操作，那么我知道它所执行的操作数量不会增长，因为有更多的项目。 O（n）操作将意味着您将对每个元素执行一组操作。有人可以填空吗？像一个O（n ^ 2）操作到底会做什么？如果一个操作是O（n log（n）），那么这意味着什么？还有人不得不抽烟裂口写一个O（X！）？

是list :: size（）真的是O（n）？: 最近，我注意到有人提到std::list::size()具有线性复杂性。根据一些消息来源，这实际上是依赖于实现的，因为标准并没有说明复杂性是什么。在这个博客条目中的评论说：其实，这取决于你正在使用的STL。 Microsoft Visual Studio V6实现size（）为{return（_Size）; }而gcc（至less在版本3.3.2和4.1.0）做{return std :: distance（begin（），end（））; }第一个是恒定速度，第二个是o（N）速度所以我的猜测是，对于VC ++人群size() ，Dinkumware自从VC6以来可能不会改变这个事实。我在吗？它在gcc看起来像什么？如果真的是O（n），为什么开发者select这样做呢？