Java O(n logn)时间复杂度算法?
我创建这个算法是为了找到3个数字之间的最佳交易。它通过该计划,找到出售、购买和从股票中获利的最佳时机。我需要解释使用的算法,以及时间复杂度是如何为O(n logn),但我很难确定这一点。我希望有人能解释O(n logn)并将其与我的方法联系起来 以下是我的方法:Java O(n logn)时间复杂度算法?,java,algorithm,time,big-o,Java,Algorithm,Time,Big O,我创建这个算法是为了找到3个数字之间的最佳交易。它通过该计划,找到出售、购买和从股票中获利的最佳时机。我需要解释使用的算法,以及时间复杂度是如何为O(n logn),但我很难确定这一点。我希望有人能解释O(n logn)并将其与我的方法联系起来 以下是我的方法: public static Trade bestTrade(int[] a) { int lowest = a[0]; int lowestIndex = 0; int highest = a
public static Trade bestTrade(int[] a)
{
int lowest = a[0];
int lowestIndex = 0;
int highest = a[a.length - 1];
int highestIndex = a.length - 1;
int profit = 0;
for(int i = 1; i < a.length; i++)
{
if (a[i] < lowest && i < highestIndex)
{
lowest = a[i];
lowestIndex = i;
}
}
for(int i = a.length - 2; i >= 0; i--)
{
if (a[i] > highest && i > lowestIndex)
{
highest = a[i];
highestIndex = i;
}
}
for(int i = 1; i < a.length; i++)
{
if (a[i] < lowest && i < highestIndex)
{
lowest = a[i];
lowestIndex = i;
}
}
if (highestIndex > lowestIndex)
{
profit = highest - lowest;
return new Trade(lowestIndex, highestIndex, profit);
}
return new Trade(lowestIndex, highestIndex, profit);
}
}
公共静态交易最佳交易(int[]a)
{
int最低=a[0];
int-lowestinex=0;
int最高=a[a.长度-1];
int highestIndex=a.length-1;
国际利润=0;
for(int i=1;i=0;i--)
{
如果(a[i]>最高和&i>最低索引)
{
最高=a[i];
高指数=i;
}
}
for(int i=1;i最低索引)
{
利润=最高-最低;
返回新交易(低指数、高指数、利润);
}
返回新交易(低指数、高指数、利润);
}
}
此函数为O(n),优于O(n log n)。
一般来说,您只需查看循环,因为没有嵌套的循环,并且只有穿过a的所有元素的循环。函数被视为n。复杂度为O(n),其中n是数组a的长度
在a上循环3次,因此运行时间大约为3n,因此顺序为n:O(n)。试着自己找到答案。这在将来会有很大帮助。而且这看起来像一个O(N),我不知道为什么你确信它是O(NlogN) 这个链接可能有用, O(n)
它与a.长度的数量成正比。每次运行for函数时,它都会遍历每天的数据。如果有一种方法,其中进程数增加的幅度大于纯数(嵌套fors),那么它可以是O(n logn)或O(n^2)。但在这种情况下,很明显它只是n中的一个大O。乍一看,它实际上是O(3n),它等同于O(n)。在我看来是O(n)。所有循环都是线性的。没有递归。所以为了使时间复杂度达到O(n logn),我需要组合for循环?抱歉,这是一种新的算法。@O(nlogn)算法通常是涉及递归的分治排序算法。嵌套循环通常会导致n平方运行时。所以我需要一组嵌套的FOR来创建O(n logn)复杂度@AlexGO(n log n)看起来是这样的:for(int i=1;i