Arrays 次线性算法/查找不同元素的最后一个
背景信息，如果您不介意，请跳过： 今天我为一个项目录制了一些音频，一段一段地做。如果我把这一段弄错了，我会重做，直到把它弄好，然后继续下一段。当我把它们加载到计算机上时，我需要找到每个段落的最后一段录音。在不知道我为某个段落录制了多少次录音的情况下，我该怎么做？（难道你不喜欢算法潜入你的日常生活吗？） 在算法方面，您有一个元素数组，其中每个元素后面要么跟有相同类型的另一个元素，要么跟有一个完全不同的元素。找到序列的最后一个元素（正确录制的音频片段） 问题： 因此，您有一个对象数组，其中每个元素都有一个id字段，其中每个id都在下面的列表中。我想要最后一个id的对象，比如在id数组中，如下所示：Arrays 次线性算法/查找不同元素的最后一个,arrays,algorithm,language-agnostic,complexity-theory,Arrays,Algorithm,Language Agnostic,Complexity Theory,背景信息，如果您不介意，请跳过： 今天我为一个项目录制了一些音频，一段一段地做。如果我把这一段弄错了，我会重做，直到把它弄好，然后继续下一段。当我把它们加载到计算机上时，我需要找到每个段落的最后一段录音。在不知道我为某个段落录制了多少次录音的情况下，我该怎么做？（难道你不喜欢算法潜入你的日常生活吗？） 在算法方面，您有一个元素数组，其中每个元素后面要么跟有相同类型的另一个元素，要么跟有一个完全不同的元素。找到序列的最后一个元素（正确录制的音频片段） 问题： 因此，您有一个对象数组，其中每个元素都
aabbbbbccddddddddddddddeefffffffffggghhhhiiiijjklmnnnnoo
另外，知道不同id的数量会改变算法的运行时间吗？这对我来说是一个有趣的问题，我只是想满足我的好奇心。二进制搜索的运行时间与log（n）成正比。这意味着您添加的元素越多，其增长越慢。更准确地说，问题规模的指数增长意味着执行时间的线性增长。换句话说，每次你的录音数量翻倍时，你都需要再听一次才能找到你想要的
为了进行二进制搜索，你将从记录列表的中间开始，找出你想要的记录是在它之前还是之后，然后丢弃不包含它的一半。如果录音是正确的段落（但您不知道它是好是坏），则将其与after分组，并丢弃它之前的所有录音。继续消除一半（通过听中间的一个），直到你减少到1或2个录音。
你应该能够查看第一个id，并对该id的结束位置进行二进制搜索。这可以在O（logn）时间内完成 然后前进到下一个元素，重新进行二进制搜索，查找id序列的结束位置 这产生了一个复杂度为O（m×logn）的算法，其中n是元素数，m是不同元素数 假设n/m（特定id的平均元素数）大于logn，则得到一个次线性算法 如果n/m小于log n，则最好线性搜索id序列的结尾（请注意，整个分析取决于列表是根据ID排序的。排序通常需要与n×log n成比例的时间，因此，如果需要对它们进行排序，也可以使用线性算法：-）获取数组中的第一个和最后一个元素，并分析该范围内的中间元素。如果找到新的
ididO（m*log（n/m））log（m）m复杂性可能与以前相同，即O（m*logn），但这可能更适合您的问题，因为相同ID的运行时间被假定为相对较短（大约n/m）。您能从两个不同的ID中分辨出中间是否有ID吗？不，除非你知道身份证的总数，并且你已经看过足够多的资料，可以把各个部分归类。这是一个更纯粹的思考问题，问题的要求是可延展的。你的n个不同元素的例子证明，没有通用算法可以保证性能优于O（n）。我不是在寻找一个特定的录音，我是在寻找具有不同元素的所有最后录音。在你的例子中，我想你的意思是，如果n/m大于logn，你会得到一个次线性算法，即m*logn