Question

我正在尝试计算此函数的时间复杂度

代码

layer.isLayerOnMap // Return true

}

变量 productos 是一个std :: map，其find方法的时间复杂度为Olog（n），其他变量 salas 是std :: vector。我计算了时间，我发现它是 log（n）+ n m 但不确定它是否是正确的表达式，或者我应该将其保留为 n m 因为它是最糟糕的，或者我只会使用n²。

由于

Answer 1

通常，在使用大O表示法时，只有在将所有变量都设置为无穷大时才会保留最主要的术语。

n本身比无限远log n大得多，所以即使没有m你也可以（通常应该）删除log n项，所以{{1对我来说很好看。

在非理论用例中，理解实际复杂度（对于非无限输入）有时很重要，因为有时在无限远处慢的算法可以为较短的输入产生更好的结果（有些例子中有O（ 1）算法具有如此可怕的常数，指数算法在现实生活中表现更好。快速排序被认为是O（n ^ 2）算法的一个实际例子，它通常比它的O(nm)对应物更好。

了解更多信息，请阅读“Big O Notation”。

Answer 2

整体功能为O（nm）。 Big-O符号都是关于“在大值的极限”（并忽略常数因子）。 “小”开销（如O（log n）查找，甚至是O（n log n）排序）将被忽略。

实际上，O（n log n）排序情况有点复杂。如果你希望m通常与n的大小相同，那么O（nm + nlogn）== O（nm），如果你期望n？m，那么O（nm + nlogn）== O（nlogn）。

顺便说一下，这不是关于C ++的问题。

Answer 3

让

k = productos.size()
n = salas[s - 1].size()
m = salas[s - 1][0].size()

你的算法是O（log（k）+ nm）。您需要为每个自变量使用不同的名称

现在情况可能是k，n，m之间存在关联，您可以使用减少的变量集重新标记，但这是不可辨别的从您的代码中，您需要了解数据。

也可能是这些术语中的一些不会变大，在这种情况下它们实际上是常数，即O（1）。

E.g。您可能知道k << n，k << m和n ~= m，这允许您将其描述为O（n ^ 2）

计算函数时间复杂度

3 个答案: