递归函数的空间复杂性（时间&空间）
顺便说一句，我试图解决时间复杂性，我找到了O(2^n)。正确吗？
int func(int n) {
if (n < 3)
return 3;
else {
return func(n-3)*func(n-3);
}
}
共有1个答案
是的，时间复杂度确实O(2^n)。
时间复杂度的递推关系为:T(n)=2*T(n-3)
应用上述方程k乘以:T(n)=2*2*2....k乘以*T(n-3*k)=2^k*T(n-3k)
-
所以我在理解为什么递归DFS和迭代DFS的时间复杂度相同时遇到了一些问题，也许有人能给我一个简单的解释？ 提前谢了。
-
我想用尽可能多的方法解决塔式料斗问题，并计算每种方法的时间复杂性（仅用于自我练习）。解决方案之一是： 我知道递归时间复杂度计算的一般想法，但我在分析注释行（在 for 循环内）时遇到了麻烦。通常我用 ）计算时间复杂度，并用一般表达式（例如 T（n-k））降低它，直到我达到基本情况并且可以用 n 表示 k，但是 for 循环的时间复杂度是多少？
-
主要内容：时间复杂度,空间复杂度《 算法是什么》一节提到，解决一个问题的算法可能有多种，这种情况下，我们就必须对这些算法进行取舍，从中挑选出一个“最好”的。 算法本身是不分“好坏”的，所谓“最好”的算法，指的是最适合当前场景的算法。挑选算法时，主要考虑以下两方面因素： 执行效率：根据算法所编写的程序，执行时间越短，执行效率就越高； 占用的内存空间：不同算法编写出的程序，运行时占用的内存空间也不相同。如果实际场景中仅能使用少量的内
-
例如，我有点混淆这两个术语——合并排序、heapsort和插入排序的辅助空间是O（1），而合并排序、插入排序和heapsort的空间复杂度是O（n）。 所以，如果有人问我合并排序、堆排序或插入排序的空间复杂度是多少，我应该告诉他们O(1)还是O(n)？ 另外，请注意，在选择排序的情况下，我已经阅读了它的空间复杂度是 O（1），这是辅助空间。 那么，使用“就地计算”的算法是否有可能，对于这些算法，我
-
使用递归和循环打印斐波那契级数的时间和空间复杂度（大O表示法）是多少？有一个用于打印斐波那契数的循环，在计算时间和空间复杂度时是否也包括该循环？ 我下面的分析正确吗？ 我的分析： 时间复杂度：O（n 2n）-因为对于所有n个值，计算斐波那契（计算第n个斐波那契为2n） 空间复杂度：O（1）-递归调用被添加到堆栈中，但一旦执行完成，值就会从堆栈中删除 我的分析： 时间复杂度：O（n n）或O（2n）
-
有一个与数组相关的问题，要求是时间复杂度为O（n），空间复杂度为O（1）。 如果我使用< code>Arrays.sort(arr)，并使用< code>for循环进行一次循环，例如: } 所以循环将花费O(n)时间。我的问题是:< code>Arrays.sort()会花费更多时间吗？如果我使用< code>Arrays.sort()，这个时间复杂度还是O(n)吗？< code>Arrays.s