内容为武汉大学国家网络安全学院2022级大一第三学期“996”实训课程中所做的笔记,仅供个人复习使用,如有侵权请联系本人,将与15个工作日内将博客设置为仅粉丝可见。
目录
时间复杂度分析
回忆一下之前学过的计数排序。
当元素在一定范围的时候,比如在 [0,m) 范围内时,可以采用计数排序。统计每个值出现的个数,然后遍历一遍cnt
数组,就能从小到大一个个把数放到待排序的数组里。
memset(cnt, 0, sizeof(cnt));
int m = 100;
for (int i = 0; i < n; i++) {
cnt[a[i]]++;
}
int pos = 0;
for (int i = 0; i < m; i++) {
while (cnt[i] > 0) {
cnt[i]--;
a[pos++] = i;
}
}
清空cnt
数组的时间频度可以看做 m,while
循环里面的语句一共执行了 n 次,因为∑cnt_i=n。
T(n)=m+n+m+n=2m+2n
时间复杂度为O(n+m)。
我们来回顾一下练习题《装饰效果》。
小明在美术课上给马上要过生日的妈妈做了张贺卡,为了装饰这张贺卡,小明买了一条彩带,但是彩带上并不是所有颜色小明都喜欢,于是小明决定裁剪这条彩带,以取得最好的装饰效果。
现已知彩带由 n 种不同的颜色顺次相接而成,而每种颜色的装饰效果用一个整数表示(包括正整数,0,或负整数),从左到右依次为 1,2,...,a_1,a_2,...,a_n,小明可以从中裁剪出连续的一段用来装饰贺卡,而装饰效果就是这一段上各个颜色装饰效果的总和,小明需要选取装饰效果最好的一段颜色来制作贺卡(取该段颜色数值之和的最大值)。当然,如果所有颜色的装饰效果都只能起到负面的作用(即 a_i<0),小明也可以放弃用彩带来装饰贺卡(获得的装饰效果为 0)。
题意就是求一个数组的最大子段和,容易想到最暴力的做法是枚举子段的起点位置i
和终点位置j
,然后计算其中的和sum
,并更新答案。
int ans = 0;
for (int i = 1; i <= n; i++) {
for (int j = i; j <= n; j++) {
int sum = 0;
for (int k = i; k <= j; k++) {
sum += a[k];
}
if (sum > ans) {
ans = sum;
}
}
}
我们可以发现第三层循环是没必要的,在右端点j
往后移的时候,同时维护sum
就行了。
int ans = 0;
for (int i = 1; i <= n; i++) {
int sum = 0;
for (int j = i; j <= n; j++) {
sum += a[j];
if (sum > ans) {
ans = sum;
}
}
}
这样时间复杂度就变为 O(n^2)。
事实上,我们还可以继续优化,详细的解释会在后面动态规划的课程中介绍。
int ans = 0, sum = 0;
for (int i = 1; i <= n; i++) {
sum += a[i];
if (sum > ans) {
ans = sum;
}
if (sum < 0) {
sum = 0;
}
}
时间复杂度就变为 O(n)。
递归程序分析
递归调用:是指一个函数调用自身从而产生循环的过程。
int fun(int n) {
if (n <= 1) {
return 1;
}
return n * fun(n - 1);
}
那么该递归程序的时间复杂度是多少呢?
我们观察程序中 return n * fun(n - 1);
每次递归调用的时候传递参数 n−1,也就是说程序会递归调用 n 次。乘法的时间复杂度是 O(1),总体的时间复杂度为:O(n)。
递归程序二:
int fun(int n) {
if (n <= 1) {
return 1;
}
return n * fun(n/2);
}
那么该递归程序的时间复杂度是多少呢?
我们观察程序中 return n * fun(n/2);
每次递归调用的时候传递参数 n/2,也就是说程序会递归调用 log2n 次。乘法的时间复杂度是 O(1),总体的时间复杂度为:O(logn)。
递归程序三:
int fun(int n, int m) {
if (n <= 1) {
return 1;
}
int tmp = 1;
for (int i = 1; i <= m; i++) {
tmp *= i;
}
return n * fun(n/2, m);
}
那么该递归程序的时间复杂度是多少呢?
我们观察程序中 return n * fun(n/2, m);
每次递归调用的时候传递参数 n/2,m,也就是说程序会递归调用 log2n 次。在每个递归函数中,程序会通过循环计算出 m!,时间复杂度为 O(m)。总体的时间复杂度为:O(mlogn)。
算法选择
面对不同的问题,不同的数据范围,要综合考虑时间复杂度和空间复杂度,选择较优的算法。
下面来看几个例子。
有 n 个人报数,报数范围为 [0,m) 的整数,现在有若干个询问,每个询问查询报数为 x 的人有多少?
-
当 m 不大时(比如 m≤10^6),可以开一个数组储存每个数的个数,时间复杂度 O(n+m),空间复杂度 O(m),每次查询的时间复杂度为 O(1)。
-
当 m 很大,n≤10^6 时,可以把所有人报的数排序,然后每次进行二分查找即可。时间复杂度 O(nlogn),空间复杂度 O(n),每次查询的时间复杂度都是 O(logn)。
有 q 个询问,每次询问两个数 x,y 的最大公因数,1≤x,y≤m。
-
当 q 很小(比如1≤q≤100)时,每次直接计算 gcd(x,y),用辗转相除法,时间复杂度 O(logm),总时间复杂度 O(qlogm)。
-
当 q 很大(比如1≤q≤106)且 m 不大时(比如 m≤1000),开一个 m×m 的数组预处理出所有情况,预处理时间复杂度 O(m2logm),空间复杂度 O(m2),每次查询时间复杂度 O(1)。