Question

使用以下算法，试图确定最佳和最差的O（）。

minCoin(total, C[]) {
    if (total == 0) {return 0}
    min = MAX_VALUE
    for (i in C.length) {
        if (C[i] > total) {continue}
        value = minCoin(total - C[i], C)
        if (value < min) {min = value}
    }
    min = MAX_VALUE ? min : min++
    return min
}

最佳：O（1），因为如果total == 0，则返回最差：O（nT），因为n =数组中的硬币数量，T =我们正在制造的总数。

我还认为最坏的情况可能是O（2 ^ n），其中n是递归调用的数量。

对吗？

Answer 1

目前的复杂度约为O（2 ^ n），所以它是指数级的。
但是，如果通过备注将其转换为动态编程，则复杂度将为O（nT）。

通过动态编程解决：

memoization[total]={-1}// initially every index holds -1
minCoin(total, C[]) {
    if (total == 0) {return 0}

    if(memoization[total]!=-1) return memoization[total]; 
    min = MAX_VALUE
    for (i in C.length) {
        if (C[i] > total) {continue}
        value = minCoin(total - C[i], C)
        if (value < min) {min = value}
    }
    min = MAX_VALUE ? min : min++
    return memoization[total]=min 
}

计算完总计后，我们将总计的记忆值从-1更改为其结果。因此，如果我们再次获得总计，我们将只返回备忘录[total]，因为我们将结果存储在上面。

有关DP的详细信息： https://www.nativescript.org/blog/support-for-androidx-in-nativescript

找到最好和最坏的O（）

1 个答案: