Question

我尝试了一个codility示例问题，在python中回答。我没有得到100分，因为它未能及时完成大数据集。

以下是问题：

给出了由N个整数组成的非空零索引数组A. 阵列A的第一个覆盖前缀是这样的最小整数P. 0≤P<0 N和类似A中出现的每个值也是如此发生在序列A [0]，A [1]，...，A [P]。
中

例如，以下5元素数组A的第一个覆盖前缀：

A[0] = 2  A[1] = 2  A[2] = 1
A[3] = 0  A[4] = 1

为3，因为序列[ A[0], A[1], A[2], A[3] ]等于[2, 2, 1, 0]，包含阵列A中出现的所有值。

我的回答是：

def ps ( A ):
    N = len(A);
    if N == 0: return -1
    bit = {}
    for i in range(N):
        if not A[i] in bit.keys():
            bit[A[i]] = 1
            P = i
    return P

结果：

它没有给我这个问题100，因为它认为我的算法是O（N ** 3），并且测试用例失败

random_n_log_100000 
random test 100 000 elements and n/log_2 n values.  10.025 s.   TIMEOUT ERROR 
running time: >10.02 sec., time limit: 9.82 sec.

random_n_10000 
random test 10 000 elements and values. 1.744 s.    TIMEOUT ERROR 
running time: >1.74 sec., time limit: 1.10 sec.

random_n_100000 
random test 100 000 elements and values.    10.025 s.   TIMEOUT ERROR 
running time: >10.02 sec., time limit: 9.94 sec.

分析：

起初我认为我的代码是O（N），因为我假设代码的关键部分，bit.keys（）中的A [i]具有恒定的运行时，即O（1）。但也许在大数据集上，哈希函数会产生很多冲突，因此运行时不再是O（1）？
O（N ** 3）是否意味着O（N ^ 3）？我有这个问题，因为我已经看到其他帖子，其中codility报告N平方算法为O（N ^ 2）。所以我想他们的报告会一致吗？
如果他们真的认为我的答案是O（N ^ 3），那么它是否合理，因为我的代码只超过了他们的时间限制不到1秒？在这里，我假设他们的时间限制是O（N）算法，因为这是他们在问题中要求的。如果是这种情况，我就不明白为什么O（N ^ 3）算法只是> 1秒慢？

Answer 1

bit.keys()是一个列表。测试元素是否在列表中是O（n）。另一方面，测试元素是否在dict中是O（1）。所以改变

if not A[i] in bit.keys():

到

if not A[i] in bit:

通过此更改，我相信您的算法是O（n）。

（如果没有更改，我相信你的算法是O（n ^ 2），不 O（n ^ 3）。）

Answer 2

Tried C# code. dont know if it will work for higher values



 class Program
{
    static void Main(string[] args)
    {
        int[] A = {2,1,1,0,3};
        int i ,n=A.Length;
     for (i= 0; i<n;i++)
    {
        if (A.Contains(i))
        {
            //
        }
        else
        {
            int p = i;
        }


    }
     Console.WriteLine("p not found");

    }
}

字典运行时（Codility Test）

2 个答案: