- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
今天我的教授给了我们 2 个带回家的问题作为即将到来的 C 数组单元的练习,我想知道这 2 个问题到底类似于什么排序算法以及它们的大 O 是什么。 现在,我来这里不是为了期待答案,我已经已经解决了这些问题,但我对自己的答案并不自信,所以我会发布他们把每个问题都弄清楚了,如果我错了,请纠正我并解释我的思维错误。
问题 1:
如果我们决定一次遍历一个数组的(框)元素(文件夹)。从第一个元素开始并将其与下一个元素进行比较。然后,如果它们相同,则比较结束,但如果两者不相等,则继续比较下两个元素 [2] 和 [3]。重复此过程并将在比较最后两个元素后停止并注意数组已按姓氏排序并且我们正在寻找相同的名字!示例:[ Harper Steven、Hawking John、Ingleton Steven]
我相信的答案:
我相信它是 O(n),因为它只是遍历数组的元素,比较数组 [0] 和数组 [1],然后比较数组 [2] 和数组 [3] 等等。这个过程是线性的,并一直持续到比较完最后两个。绝对不是 logn,因为我们不是乘以或潜水 2。
最后一个问题:假设我们有一盒文件夹,每个文件夹包含一个人的信息。如果我们想找同名的人,我们可以先在盒子里的第一个文件夹上贴上标签,然后按顺序遍历它后面的文件夹,直到找到同名的人。如果我们找到同名的文件夹,我们会将该文件夹移动到带有标签的文件夹旁边。一旦我们发现两个人同名的情况,我们就会停下来 sleep ,因为我们很懒惰。但是,如果第一次搜索失败,我们只需删除贴纸并将其放在下一个文件夹中,然后像之前那样继续。在我们没有两个同名的人的情况下,我们重复这个过程,直到贴纸在最后一个文件夹上。
此数组未排序,并将第一个文件夹与 sticker folder[0] 与下一个 i folder[i] 元素进行比较。
我的回答:
我觉得这不可能是 O(n),但可能是 O(n^2),感觉我们有一个数组,然后我们不断重复这个过程,其中 n 与输入的平方成正比(文件夹)。我在这里可能是错的 >.>
最佳答案
你在这两个问题上都是对的……但它会有助于更严格地解释事情。我不知道你们类(class)的标准是什么;您可能不需要实际证明,但展示比“我们不乘以或除以二”更详细的推理永远不会有坏处。所以……
在第一个问题中,这里显然没有发生任何事情,只有比较,所以这就是我们必须计算的。
最坏的情况显然是你必须遍历整个数组。
所以,在那种情况下,你必须比较a[0] == a[1]
,然后是a[1] == a[2]
, …, a[N-1] == a[N]
。对于每个 N-1
元素,都有 1 次比较。那是 N-1
个步骤,显然是 O(N)
。
事实证明,数组已排序这一事实在这里是无关紧要的。 (当然,因为它们不是按您的搜索键排序的——也就是说,它们是按姓氏排序的,但您是按名字进行比较的——这已经很明显了。)
在第二个问题中,这里发生了两件事:比较,然后移动。
对于比较,最坏的情况是您必须执行所有 N
搜索,因为没有匹配项。正如您所说,我们从 a[0]
开始,而不是 a[1]
,...,a[N]
;然后 a[1]
与 a[2]
,...,a[N]
等。所以,N-1
比较,然后是 N-2
,依此类推直到 0
。所以总的比较次数为sum(0…N-1)
,即N*(N-1)/2
,即N^2/2 - N/2
,即 O(N^2)
。
对于移动,最坏的情况是您找到 a[0]
和 a[N]
之间的匹配。在这种情况下,您必须将 a[N]
与 a[N-1]
交换,然后将 a[N-1]
与 a[N-2]
,依此类推,直到您将 a[2]
替换为 a[1]
。所以,这是 N-1
交换,也就是 O(N)
,您可以忽略它,因为您已经有了 O(N^2)
术语。
作为旁注,根据您的描述,我不确定您是在谈论来自 a[0…N]
的数组,还是长度为 N 的数组,所以 a[0…N-1]
,所以上面两个都可能存在差一错误。但向您自己证明这并没有什么不同应该很容易。
关于c++ - 两种常见比较算法的比较及其Big O帮助,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25927482/
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!