Time complexity 3-sum的性能分析

我有一个方法，可以在一个数组中找到3个加起来就是所需数字的数字

代码：

publicstaticvoidthreesum（int[]arr，int-sum）{
快速排序（arr，0，arr.length-1）；
对于（int i=0；ij；k--）{
如果（（arr[i]+arr[j]+arr[k]）==和）{
System.out.println（Integer.toString（i）+“+”+Integer.toString（j）+“+”+Integer.toString（k）+“=”+和）；
}
}
}
}
}

---

我不确定这种方法的重要性。我现在很难对这件事了如指掌。我猜是O（n^2）或O（n^2logn）。但这些完全是猜测。我无法证明这一点。有人能帮我把这件事想清楚吗

您在阵列上有三个循环（i、

j

和

k

循环），其大小主要取决于阵列的大小

n

。因此，这是一个O（n3）操作。

您在阵列上运行了三次（i、

j

和

k

循环），其大小主要取决于阵列的大小。因此，这是一个O（n3）操作。

这是一个O（n^3）复杂度，因为有三个嵌套的forloop。只有当

k>j

时，内部forloop才会运行，因此您可以想到n^2*（n/2），但在大O表示法中，您可以忽略这一点。

这是一个O（n^3）复杂度，因为有三个嵌套的forloop。只有当

k>j

时，内部forloop才会运行，因此您可以考虑n^2*（n/2），但在大O表示法中，您可以忽略这一点。

即使您的快速排序是

O（nlogn）

，但有3个嵌套for循环，这一事实使它黯然失色。因此，时间复杂度w.r.t元素数（n）是

O（n^3）

即使您的快速排序是

O（nlogn）

，但有3个嵌套for循环这一事实使其黯然失色。因此，时间复杂度w.r.t元素数（n）是

O（n^3）

系统地说，增长复杂度的顺序可以精确地推断如下：

---

有条不紊地说，增长复杂性的顺序可以准确地推断如下：

它的O（n^3）复杂性它的O（n^3）复杂性

public static void threeSum(int[] arr, int sum) {
    quicksort(arr, 0, arr.length - 1);
    for (int i = 0; i < arr.length - 2; i++) {
        for (int j = 1; j < arr.length - 1; j++) {
            for (int k = arr.length - 1; k > j; k--) {
                if ((arr[i] + arr[j] + arr[k]) == sum) {
                    System.out.println(Integer.toString(i) + "+" + Integer.toString(j) + "+" + Integer.toString(k) + "="  + sum);
                }
            }
        }
    }
}