计算空间和时间复杂度并提高该程序的效率

时间:2012-06-18 17:08:49

标签: algorithm complexity-theory time-complexity

问题

在重复数字数组中查找非重复数字的列表。

我的解决方案

   public static int[] FindNonRepeatedNumber(int[] input)
    {
        List<int> nonRepeated = new List<int>();
        bool repeated = false;

        for (int i = 0; i < input.Length; i++)
        {
            repeated = false;

            for (int j = 0; j < input.Length; j++)
            {
                if ((input[i] == input[j]) && (i != j))
                {
                    //this means the element is repeated.
                    repeated = true;
                    break;
                }
            }

            if (!repeated)
            {
                nonRepeated.Add(input[i]);
            }
        }

        return nonRepeated.ToArray();
    }

时间和空间复杂性 时间复杂度= O(n ^ 2) 空间复杂度= O(n)

我不确定上面计算的时间复杂度,我怎样才能使这个程序更有效,更快速。

3 个答案:

答案 0 :(得分:2)

您提供的算法的复杂性为O(n^2)

使用Hashmaps改进算法。 Psuedo代码如下:

public static int[] FindNonRepeatedNumbers(int[] A)
{
Hashtable<int, int> testMap= new Hashtable<int, int>();

for (Entry<Integer, String> entry : testMap.entrySet()) {
            tmp=testMap.get(A[i]);
            testMap.put(A[i],tmp+1);
}

/* Elements that are not repeated are:

Set set = teatMap.entrySet(); 
// Get an iterator 
Iterator i = set.iterator(); 
// Display elements 
while(i.hasNext()) { 
Map.Entry me = (Map.Entry)i.next(); 
if(me.getValue() >1)
{
    System.out.println(me.getValue()); 
}
} 

<强>操作: 我在这里做的是我使用带有的Hashmaps来作为输入数组元素的哈希映射。哈希映射的类似于每个元素的计数器。因此,如果元素出现一次,则该键的值为1,并且随后基于输入数组中元素的重现递增键值。

所以最后你只需检查你的hashmap,然后显示hashvalue 1的元素,这些元素是非重复元素。如果输入数组长度为O(k),则此算法的时间复杂度为O(k)用于创建hashmap和k用于搜索。这比O(n^2)快得多。最糟糕的情况是根本没有重复的元素。伪代码可能很乱,但这种方法是我能想到的最好的方法。

答案 1 :(得分:0)

时间复杂度O(n)意味着你不能有内循环。完整的内部循环是O(n ^ 2)。

答案 2 :(得分:0)

两个指针。开始和结束。当相同的字母到达时增加开始并存储起始和结束位置,参考长度...否则增加结束...继续这样做直到列表结束...比较所有输出,你应该有最长的连续唯一数字列表。我希望这就是问题所在。线性算法。

void longestcontinuousunique(int arr[])
{
int start=0;
int end =0;
while (end! =arr.length())
{
if(arr[start] == arr[end])
{
start++;
savetolist(start,end,end-start);
}
else
end++
}

return maxelementof(savedlist);
    }