Question

我们在计算机科学课程的介绍中学习效率分析，但我在解决这个问题上遇到了麻烦。

假设我有一个方法：

public static void foo(int[][] arr, int num1, int num2) {
   for (int i=0;i<arr.length;i++) {
     arr[0][i] = num1*i;
   }

   for (int j=0;j<arr.length;j++) {
     arr[i][0] = num2*i
   } 
}

我的第一个问题是，如果我有一个方法，其中有3个for循环，但它们没有嵌套，增长率会是多少？

此外，对于这种特殊的组合方法，此方法的输入大小是否为数组的区域？因为每个for循环从i = 0变为i =数组的大小

最后，如果

public static void fee(int[][] arr, double num1, double num2) {
  num1=num1*Math.random();
  while (num1 == 0) {
    num1=num1*Math.random();
  }
   for (int i=0;i<num1;i++) {
     //do something with arr
   }

  num2=num2*Math.random();
  while (num2 == 0) {
    num2=num2*Math.random();
  }
   for (int j=0;j<num2;j++) {
     //do something with arr
   } 
}

我如何寻找Big-O分析？

谢谢，我已经阅读了多个关于查找big-O的资源，但我仍感到困惑。

Answer 1

您可以查看程序的功能，并根据您的输入计算将执行多少基本操作。有时计算很简单，有时很难。通常它涉及数学。数学很难。生活是艰难的。

在你的第一个例子中，你是否可以弄清楚arr [0] [i]的分配数量和arr [j] [0]的分配数量是多少？

在第二个例子中，如果num1 * Math.random（）为0，则while循环执行的频率是多少？（答案可能表示该代码中存在错误）。

Answer 2

在第一个例子中，你有3个非嵌套for循环（或任何类型的循环），它只是O（x + y + z），其中x，y和z是重复的数量每个for循环（假设内部持续时间）。然而，只有当我们不知道哪个数字最大时，这个加号才是重要的。例如，如果我们知道x> y和x＆gt; z，我们可以简单地说算法是O（x）（换句话说，我们知道它与x + y + z是线性的，但是如果我们不知道x，y和z中哪一个是最重要的因素，所以我们不能简单地说O（x）。简单地说，嵌套=乘法，而不是嵌套=添加

在第二个例子中，涉及随机数。正如nonlephant在下面的评论中所说，非正式地，在你提供的例子中它是O（无穷大）（但是，我将假设你的意思是while num2 != 0，因为如果num2 = 0，另一个将无限循环并且做没有别的）。但是，大O是最坏的情况。对于随机数，最简单的是计算平均时间复杂度。关于时间复杂性的好处是，如果你计算得比实际情况稍差，没有人关心。

TLDR：平均时间复杂度约为1000 + log_2 n，其中n为num2。

注意：虽然我们通常不会在时间复杂度计算中包含常数因子，但是当它们变得足够大时，例如1000，它们可能成为最重要的因素，特别是因为很可能n＆lt;＆lt; 2 ^ 1000。

冗长的解释：因此，我们将0.5作为平均乘数（尽管实际上稍差）。每个除以2要么从尾数中取1位，要么从指数中减去1。尾数的位长度＆lt;＆lt;指数，所以我们只考虑指数。指数有2 ^ 11个值，但是一半是正数，我们只想要负数，所以2 ^ 10~ = 1000.为了在第一个位置得到它，它将取log2 n，所以answer = 1000 + log2 n < / p>

具有多个参数的方法的大O分析

2 个答案: