以下嵌套循环的 Big-O 时间复杂度是多少:
for (int i = 0; i < N; i++) {
for (int j = i + 1; j < N; j++) {
System.out.println("i = " + i + " j = " + j);
}
}
还会是O(N^2)吗?
以下嵌套循环的 Big-O 时间复杂度是多少:
for (int i = 0; i < N; i++) {
for (int j = i + 1; j < N; j++) {
System.out.println("i = " + i + " j = " + j);
}
}
还会是O(N^2)吗?
是的,它仍然是 O(n^2),它有一个较小的常数因子,但这不会影响 O 表示法。
是的。回想一下 Big-O 的定义:O(f(n))根据定义表示某个常数k的运行时间T(n) ≤ kf(n)。在这种情况下,步数将为(n-1)+(n-2)+...+0,重新排列为 0 到 n-1 的总和;这是
T(n)=(n-1)((n-1)+1)/2。
重新排列,你可以看到T(n)总是 ≤ 1/2(n²);根据定义,因此T(n) = O(n²)。
如果忽略 System.out.println,它是 N 平方。如果您假设所花费的时间在其输出中是线性的(当然可能不是),我怀疑您最终会得到 O ( (N^2) * log N)。
我提到这并不是挑剔,而是要指出,在计算复杂性时,您不仅需要考虑明显的循环 - 您还需要查看所调用内容的复杂性。
是的,它将是 N 平方。如果我没记错的话,实际的步数是 1 到 N 的总和,即 0.5*(N - 1)^2。大 O 只考虑最高指数而没有常数,因此,这仍然是 N 平方。
如果你有 N = 10,你的迭代将是:10+9+8+7+6+5+4+3+2+1。(这是:十次迭代加上九次迭代加上八次迭代......等等)。
现在,您需要在加法中找出可以得到 N 的次数(示例中为 10):
1:(10)、2:(9+1)、3:(8+2)、4:(7+3)、5:(6+4)。这是5次......并且休息5次迭代。
现在你知道你有五个十 + 5:
10(5) + 5
就 f(n)(或 N)而言,我们可以很容易地看到这将是:
f(n) = n(n/2) + n/2 = (n^2)/2 + n/2 = (n^2 + n)/2... 这正是这些嵌套循环的复杂性。
但是,考虑到大 O 的渐近行为,我们可以去掉 f(n) 的不太重要的值,即单个 n 和分母。
结果:O(n^2)
对于给定的程序:
for (int i = 0; i < n; i++)
for (int j = i; j < n; j++)
println(...);
考虑 n = 3:
i
将具有值 0、1 和 2。
For i = 0: println will execute 3 times
for i = 1: println will execute 2 times
for i = 2: println will execute 1 times
因此该println
函数将执行 3 + 2 + 1 次,即 n(n+1)/2 次。
因此 O(n(n+1)/2) = O(n^2)。