我正在尝试计算我写的遗传算法的适应度函数的时间复杂度。
我做了什么:我已经阅读了一些文章和例子
然而,其中没有一个真的令人满意,我可以说:现在我知道如何在我的代码上应用它。
让我告诉你我的健身功能,我猜到了几次执行时间。
public static List<double> calculateFitness(List<List<Point3d>> cF, Point3d startpoint)
{
List<double> Fitness = new List<double>(); // 1+1
for (int i = 0; i < cF.Count; i++) // 1 ; N+1 ; N
{
Point3d actual; // N
Point3d next; // N
double distance; // N
double totalDistance = startpoint.DistanceTo(cF[i][0]); // (1+1+1+1)*N
for (int j = 0; j < cF[i].Count - 1; j++) // { 1 ; N ; N-1 }*N
{
actual = cF[i][j]; // (1+1)*(N-1)
next = cF[i][j + 1]; // (1+1)*(N-1)
distance = actual.DistanceTo(next); // (1+1+1+1)*(N-1)
totalDistance += distance; // (1+1)*(N-1)
}
totalDistance += cF[i][cF[i].Count - 1].DistanceTo(startpoint); // (1+1+1+1)*N
Fitness.Add(totalDistance); // N
}
return Fitness; // 1
}
您是否知道有任何示例的链接,以便我可以学习如何计算面向使用的时间复杂度。
或者也许有人可以在这里解释一下。例如,对于这段代码我完全不确定:double totalDistance = startpoint.DistanceTo(cF[i][0]);
- &gt; (1 + 1)N?
或者:actual = cF[i][j];
- &gt; (1 + 1) N N?
所以一般来说,时间复杂度为:1 + 1 +(1 + N + 1 + N + N + N + N + 4N + N * {1 + N + N-1 + 2 *(N-1) )+ 2 *(N-1)+ 4 *(N-1)+ 2 *(N-1)} + 4N + N)= 2 +(2 + 14N + N * {12N-10})= 12N ^ 2 + 4N + 4 = O(N ^ 2)
答案 0 :(得分:2)
通常在进行Big-O分析时,我们忽略恒定时间操作(即O(1))和任何常数因子。我们只是试图了解算法与 N 的缩放程度。这在实践中意味着我们正在寻找循环和非恒定时间操作
考虑到这一点,我在下面复制了您的代码,然后注释了某些感兴趣的点。
public static List<double> calculateFitness(List<List<Point3d>> cF, Point3d startpoint)
{
List<double> Fitness = new List<double>();
for (int i = 0; i < cF.Count; i++) // 1.
{
Point3d actual; // 2.
Point3d next;
double distance;
double totalDistance = startpoint.DistanceTo(cF[i][0]); // 3.
for (int j = 0; j < cF[i].Count - 1; j++) // 4.
{
actual = cF[i][j]; // 5.
next = cF[i][j + 1];
distance = actual.DistanceTo(next);
totalDistance += distance;
}
totalDistance += cF[i][cF[i].Count - 1].DistanceTo(startpoint);
Fitness.Add(totalDistance); // 6.
}
return Fitness;
}
i
循环将执行 N 次,其中 N 为cF.Count
。如果我们非常正式,我们会说比较i < cF.Count
需要一些恒定时间 c 而i++
需要一些恒定时间 d 。由于它们执行 N 次,因此此处的总时间为 cdN 。但正如我所提到的,Big-O忽略了这些常数因素,所以我们说它是O( N )。
这些声明是固定时间,O(1)。
索引到.NET List
is documented为O(1)。我找不到DistanceTo
方法的文档,但我无法想象它只是O(1),因为它是简单的数学运算。
这里我们有另一个执行 N 次的循环。如果我们对此严格要求,我们会在这里引入第二个变量,因为cF[i].Count
不一定等于cF.Count
。我不会那么严格。
同样,索引到列表中的是O(1)。
这实际上是棘手的。 Add
方法is documented如下:
如果Count小于Capacity,则此方法为O(1)操作。如果需要增加容量以容纳新元素,则此方法将成为O(n)操作,其中n为Count。
Fitness
。这通常称为 amortized O(1)。所以最后你主要只有O(1)操作。但是在另一个O( N )循环中有一个O( N )循环。因此整个算法是O( N )* O( N )= O( N 2 )