- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在为数据结构考试练习,并且一直在研究这个问题:“编写一个算法,在二叉搜索树 T 中找到第 k 个最高节点值. 该算法必须在 O(d) 中运行,其中 d 是树的深度。”
我已经想出了这个(几个小时后)并且不确定运行时间,我已经遍历了树两次,这是 2d,因此只是 d?我也希望得到一些关于如何减少我使用的方法数量的建议(如果可能的话)。
这是我使用递归辅助方法计算树中节点数和有序 DFS 的答案:
public int getKthHighestValue(Node root, int k) {
int nodeCount = countNodes(root);
if (k < 0 || k > nodeCount)
return -1;
ArrayList<Integer> nodeList = new ArrayList<>();
getNodeValues(root, nodeList);
return nodeList.get(k-1);
}
private void getNodeValues(Node root, ArrayList<Integer> nodeList) {
if (root == null) {
return;
}
getNodeValues(root.getLeft(), nodeList);
nodeList.add(root.getValue());
getNodeValues(root.getRight(), nodeList);
}
private int countNodes(Node root) {
if (root == null) {
return 0;
}
return 1 + countNodes(root.getLeft()) + countNodes(root.getRight());
}
最佳答案
您混淆了两个完全不同的变量 n
和 d
。 d
是树的深度,n
是节点数。您的算法的复杂度为 O(n),因为它的增长速度与树中节点的数量有关,并且与树的深度无关。在只有左 child (链表)的退化树中,您的复杂性仍然相同。
一般来说,O(d) 算法需要使用比较递归步骤,询问有关当前节点值的问题并相应地遍历(二分搜索)。通过这种方式,您可以使用 BST 的排序属性直接向下移动树(相对于 d
)。
这也是保持 BST 平衡(AVL/红黑树等)很重要的原因。没有平衡,d
就不再有意义,插入/删除/查找的复杂性开始看起来像 n
而不是所需的 O(n log(n)),这是每次迭代将搜索空间减半的算法的典型复杂度。
话虽如此,如果不使用 order statistic tree 在每个节点中保留附加信息,O(d) 算法是否可行尚不清楚。 (see this answer for details)。
关于algorithm - 这个算法是O(d)吗,其中d是二叉搜索树的深度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56546596/
在使用 requests 库中的状态代码时,我遇到了一些奇怪的事情。每个 HTTP 状态代码都有一个常量,有些具有别名(例如,包括 200 的复选标记): url = 'https://httpbin
这是我得到的代码,但我不知道这两行是什么意思: o[arr[i]] = o[arr[i]] || {}; o = o[arr[i]]; 完整代码: var GLOBAL={}; GLOBAL.name
所以这个问题的答案What is the difference between Θ(n) and O(n)? 指出“基本上,当我们说算法是 O(n) 时,它也是 O(n2)、O(n1000000)、O
这是一个快速的想法;有人会说 O(∞) 实际上是 O(1) 吗? 我的意思是它不依赖于输入大小? 所以在某种程度上它是恒定的,尽管它是无限的。 或者是唯一“正确”的表达方式 O(∞)? 最佳答案 无穷
这是真的: log(A) + log(B) = log(A * B) [0] 这也是真的吗? O(log(A)) + O(log(B)) = O(log(A * B)) [1] 据我了解 O(f
我正在解决面试练习的问题,但我似乎无法找出以下问题的时间和空间复杂度的答案: Given two sorted Linked Lists, merge them into a third list i
我了解 Big-Oh 表示法。但是我该如何解释 O(O(f(n))) 是什么意思呢?是指增长率的增长率吗? 最佳答案 x = O(n)基本上意味着 x <= kn对于一些常量 k . 因此 x = O
我正在编写一个函数,该函数需要一个对象和一个投影来了解它必须在哪个字段上工作。 我想知道是否应该使用这样的字符串: const o = { a: 'Hello There' }; funct
直觉上,我认为这三个表达式是等价的。 例如,如果一个算法在 O(nlogn) + O(n) 或 O(nlogn + n) 中运行(我很困惑),我可以假设这是一个O(nlogn) 算法? 什么是真相?
根据 O'Reilly 的 Python in a Nutshell 中的 Alex Martelli,复杂度类 O(n) + O(n) = O(n)。所以我相信。但是我很困惑。他解释说:“N 的两个
O(n^2)有什么区别和 O(n.log(n)) ? 最佳答案 n^2 的复杂性增长得更快。 关于big-o - 大 O 符号 : differences between O(n^2) and O(n
每当我收到来自 MS outlook 的电子邮件时,我都会收到此标记 & nbsp ; (没有空格)哪个显示为?在 <>. 当我将其更改为 ISO-8859-1 时,浏览器页面字符集编码为 UTF-8
我很难理解 Algorithms by S. Dasgupta, C.H. Papadimitriou, and U.V. Vazirani - page 24 中的以下陈述它们将 O(n) 的总和表
我在面试蛋糕上练习了一些问题,并在问题 2给出的解决方案使用两个单独的 for 循环(非嵌套),解决方案提供者声称他/她在 O(n) 时间内解决了它。据我了解,这将是 O(2n) 时间。是我想错了吗,
关于 Java 语法的幼稚问题。什么 T accept(ObjectVisitorEx visitor); 是什么意思? C# 的等价物是什么? 最佳答案 在 C# 中它可能是: O Accept(
假设我有一个长度为 n 的数组,我使用时间为 nlogn 的排序算法对它进行了排序。得到这个排序后的数组后,我遍历它以找到任何具有线性时间的重复元素。我的理解是,由于操作是分开发生的,所以时间是 O(
总和 O(1)+O(2)+ .... +O(n) 的计算结果是什么? 我在某处看到它的解决方案: O(n(n+1) / 2) = O(n^2) 但我对此并不满意,因为 O(1) = O(2) = co
这个问题在这里已经有了答案: 11 年前关闭。 Possible Duplicate: Plain english explanation of Big O 我想这可能是类里面教的东西,但作为一个自学
假设我有两种算法: for (int i = 0; i 2)更长的时间给定的一些n - 其中n这种情况的发生实际上取决于所涉及的算法 - 对于您的具体示例, n 2)分别时间,您可能会看到: Θ(n)
这个问题在这里已经有了答案: Example of a factorial time algorithm O( n! ) (4 个回答) 6年前关闭。 我见过表示为 O(X!) 的 big-o 示例但
我是一名优秀的程序员,十分优秀!