Question

我有这个任务：

给出一个整数数组和一个数字k，其中1 <= k <=数组的长度，计算每个长度为k的子数组的最大值。例如，给定array = [10，5，2，7，8，7]且k = 3，我们应该得到：[10，7，8，8]，因为：

10 = max(10, 5, 2)
7 = max(5, 2, 7)
8 = max(2, 7, 8)
8 = max(7, 8, 7)

在O（n）时间和O（k）空间中执行此操作。您可以就地修改输入数组，而无需存储结果。您可以在计算时简单地将它们打印出来。

O（n）时间和O（k）空间是什么意思？

我得到了这个解决方案。这符合要求吗？如果没有，为什么不呢？

def foo(arr, k):
    for idx in range(0, len(arr) - k + 1):
        maxI = -1
        for i in arr[idx:idx + k]:
            if i > maxI:
                maxI = i

        print(maxI) #3; 3; 3; 5; 5; 5; 10; 22

arr = [0, 1, 3, 1, 2, 5, 5, 4, 10, 22]
k = 3

foo(arr, k)

Answer 1

我将用 n 来表示数组的长度，而用 k 来表示子数组的长度

Ο（ n ）时间将是算法花费的时间与数组的长度成正比。也就是说，长度为1000的数组的运行时间将是长度为2000的数组的运行时间的一半。

Ο（ k ）空间将是算法执行计算所需的内存量与子数组的大小成比例。这样说，它与输入的大小无关。

您的算法在进行 k 迭代的循环上进行了 n - k + 1次迭代。这使得其执行时间为 k ×（ n - k + 1）。由于 k 可以随 n 的不同而变化，因此平均情况应为 k = n / 2 ，从而使运行时间为Ο（< em> n ² ）。

由于只需要几个整数变量，因此算法占用的空间为Ο（1）。

O（n）和O（k）是什么意思？

1 个答案: