树的时间复杂度

时间复杂度是一个函数,它定量描述了该算法的运行时间。常见的时间复杂度有以下几种。
1,log(2)n,n,n log(2)n ,n的平方,n的三次方,2的n次方,n!

1指的是常数。即,无论算法的输入n是多大,都不会影响到算法的运行时间。这种是最优的算法。而n!(阶乘)是非常差的算法。当n变大时,算法所需的时间是不可接受的。

用通俗的话来描述,我们假设n=1所需的时间为1秒。那么当n = 10,000时。
O(1)的算法需要1秒执行完毕。
O(n)的算法需要10,000秒 ≈ 2.7小时 执行完毕。

O(n2)的算法需要100,000,000秒 ≈ 3.17年 执行完毕。
O(n!)的算法需要XXXXXXXX(系统的计算器已经算不出来了)。
可见算法的时间复杂度影响有多大。

所以O(1)和O(n)差了2.7小时,区别显而易见。
-----------------------------------------  实战分割线 ------------------------------------------------
假如一张表有一亿条数据 ,需要查找其中某一条数据,按照常规逻辑, 一条一条的去匹配的话, 最坏的情况下需要匹配一亿次才能得到结果,用大O标记法就是O(n)最坏时间复杂度,这是无法接受的,而且这一亿条数据显然不能一次性读入内存供程序使用, 因此, 这一亿次匹配在不经缓存优化的情况下就是一亿次IO开销,以现在磁盘的IO能力和CPU的运算能力, 有可能需要几个月才能得出结果 。如果把这张表转换成平衡树结构(一棵非常茂盛和节点非常多的树),

(图示:该树只有三个节点)

假设这棵树有10层,那么只需要10次IO开销就能查找到所需要的数据, 速度以指数级别提升,用大O标记法就是O(log n),n是记录总树,底数是树的分叉数,结果就是树的层次数。换言之,查找次数是以树的分叉数为底,记录总数的对数,用公式来表示就是

用程序来表示就是Math.Log(100000000,10),100000000是记录数,10是树的分叉数(真实环境下分叉数远不止10), 结果就是查找次数,这里的结果从亿降到了个位数。因此,利用索引会使数据库查询有惊人的性能提升。

### 关于线段时间复杂度的证明 #### 基本操作的时间复杂度 对于单点更新或者查询区间最值等基本操作而言,其时间复杂度为 \(O(\log n)\)[^3]。这是因为在线段中执行这类操作时,从根节点出发到达叶子节点的过程中最多经过 \(\log_2{n}\) 层。 #### 合并两个线段的空间与时间复杂度 当涉及到合并两个线段的情况,如果存在新建节点的需求,则整体复杂度取决于需要创建的新节点数量以及遍历原有结构的程度。具体来说,在不考虑分裂的情况下,合并两个大小分别为 \(a\) 和 \(b\) 的线段所需的最大额外空间量级不超过较小的那个的高度乘以其宽度,即 \(O(\min(a,b))\), 而这同样也是对应的时间开销[^1]。 #### 包含分裂操作后的复杂度变化 引入分裂之后,情况变得稍微复杂一些。通过特定编号机制来追踪每棵由其他几棵组合而成的新及其后代子孙的变化路径,可以发现每当发生一次分裂事件都会带来一定的增量成本——大约相当于被切分部分规模的一半左右;而最终所有这些局部调整累积起来所形成的全局影响仍然保持在合理的范围内,即整个过程中涉及的所有新增加或修改过的结点总数不会超过原始输入数据总量常数倍的数量级\(O(n+m)\),这里 \(m\) 表示发生的分裂次数[^2]。 ```python def segment_tree_merge(tree_a, tree_b): """ Merge two segment trees into one. Args: tree_a: The first segment tree to merge. tree_b: The second segment tree to merge. Returns: A new merged segment tree. """ pass # Placeholder for actual implementation details def split_segment_tree(original_tree): """ Split a given segment tree into multiple smaller ones based on certain criteria. Args: original_tree: Original segment tree that needs splitting. Returns: List of newly created segment trees after the operation completes successfully. """ pass # Placeholder for actual implementation details ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值