Time complexity 时间复杂度比较
我得到了这两个算法,每个算法有两个for循环,我认为第一个算法的运行时间是二次的。第二个算法是否具有相同的运行时间-O(n^2) 算法1:Time complexity 时间复杂度比较,time-complexity,big-o,Time Complexity,Big O,我得到了这两个算法,每个算法有两个for循环,我认为第一个算法的运行时间是二次的。第二个算法是否具有相同的运行时间-O(n^2) 算法1: for (int i = 1..n) { for (int j = 1..n) { // sort m[i, j] } } 算法2: for (int i = 1..n) { for (int j = i..n) { // sort m[i, j] } } 我查看了以
for (int i = 1..n) {
for (int j = 1..n) {
// sort m[i, j]
}
}
算法2:
for (int i = 1..n) {
for (int j = i..n) {
// sort m[i, j]
}
}
我查看了以前类似的帖子(大O符号),但找不到任何解决我问题的方法-如果你这样做,请给我指出正确的方向
谢谢 让我们分析算法2,另一个类似 首先让我们同意,
排序m[i,j]
是O((j-i)lg(j-i))
谢谢你的回答。那么你认为这两次都是O(n³)?
Alg 2 = O(sum_{i=1}^n sum_{j=i}^n (j-i)lg(j-i))
<= O(sum_{i=1}^n sum_{j=i}^n (n-i)lg(n-i))
<= O(sum_{i=1}^n (n-i)^2 lg(n-i))
= O(sum_{i=1}^n i^2 lg(i))
<= O(sum_{i=1}^n i^2 lg(n))
= O(n^3 lg(n))
Alg 2 = O(sum_{i=1}^n sum_{j=i}^n (j-i)lg(j-i)) ; take 1/2 of terms
>= O(sum_{i=n/2}^n sum_{j=(i+n)/2}^n (j-i) lg(j-i))
>= O(sum_{i=n/2}^n sum_{j=(i+n)/2}^n (n-i)/2 lg((n-i)/2))) ; because j>=(i+n)/2
>= O(sum_{i=n/2}^n ((n-i)/2)^2 lg((n-i)/2)))
>= O(sum_{i=n/2}^{(n+n/2)/2} ((n-i)/2)^2 lg((n-i)/2))) ; 1/2 of terms
>= O(sum_{i=n/2}^{3n/4} (n/8)^2 lg(n/8)) ; -i >= -3n/4
= O(n^3 lg(n))