如何计算以下代码段的时间复杂度?
let count, barHeight, result = 1 << 31;
for(let i = 0; i < heights.length; i++) {
count = 1;
barHeight = heights[i];
for(let j = i - 1; j >= 0; j--) {
if (heights[j] >= barHeight) {
count++;
} else {
break;
}
}
for(let k = i+1; k< heights.length; k++) {
if (heights[k] >= barHeight) {
count++;
} else {
break;
}
}
result = Math.max(result, count*barHeight);
}
基本上,这段代码用于计算任何索引i
,计算heights
数组的相邻索引有多少不小于highlight[i]
。
我有点困惑在这种情况下如何计算时间复杂度。2个内部循环可能会在任何一点停止。
谢谢
它是二次 O(n^2)。
在评估时间复杂度时,您应该始终查看最坏情况,除非有一个客观的摊销证明最坏情况可以由所有其他情况摊销。
这个算法是二次的。
我知道嵌套for循环的时间复杂度等于最里面的循环执行的次数。 像外部循环从1到n的每个嵌套循环一样,它应该运行n次,但这里我们有,这使得算法运行的顺序更好。实际上,我在IDE中编写了这段代码,并在循环结束后打印了x的最终结果,对于不同的n值,我看到跳入内部for循环需要将近n倍的时间。 所以我认为这个算法的整个顺序是,但我不确定
null null T(n)=O(1)+O(nlogn)=O(nlogn) 但我不确定。有人能帮帮我吗。
我正在尝试分析一个算法的时间复杂度。 下面的算法旨在只检查数组的一部分,所以如果它没有多大意义,请不要担心。 我对计算循环周围的时间复杂度很困惑,请看看我的评论。 这是否意味着我们有: T(N) = (C2 C4 C5)N (C1 C3 C6) T(N) = C7*N (C8) T(N)=N?? 循环中的所有内容都是*N? 先谢谢!
我如何发现它的时间和空间复杂性?
由于std::sort的时间复杂度为nlog(n),我们有(N1+N2....Nk)次迭代,因此我假设总的时间复杂度为O((N1+N2....+Nk)klog(k))。但是在每次迭代中,vector的大小可能会有所不同,所以我有点困惑。有人能证实这一点吗? 2.我还在leetcode论坛上看到了另一个使用“合并排序”思想的解决方案。它每次都合并两个链表。 我想知道这个解决方案的时间复杂度是多少?因