题目:
链接:https://www.nowcoder.com/questionTerminal/47d9d6dce7f140a5a2654fb852f118c8?toCommentId=379084
来源:nowcoder一位大连理工的老师的评论
解析:
这道题答案个人觉得应该为D。虽然确实比较次数最多是m+n次。
1.贡献时间复杂度的不是“移动”次数,而是“比较”,如果从“移动”的角度上考虑,不管是什么情况,它都移动了m+n次。
2.不管是O(m)也好,还是O(n),都是常数项级的时间复杂度,从“级数”的角度考虑,O(m+n),O(min(m,n)),O(max(m,n))都是线性变化的常数项级,这三个的“级数”是一致的。
所以对于楼上的“因为O(m+n)等价于O(max(m, n))”的回答并不是十分认同,个人觉得有点牵强。如果在答案里同时存在O(m+n)和O(max(m,n))该怎么选呢?而另外的一个O(min(m,n))也是常数级线性变化啊。
【刷帖的时候,看有人说王道视频证明了O(max(m,n))等价于O(m+n)】
就是m+n>=max(m,n)并且m+n<=2max(m,n),所以O(m+n)和O(max(m,n))等价,有点夹逼定理的感觉。
如果m=1,n=
1
0
8
10^8
108时,O(min(m,n))=O(1),O(max(m,n))=
O
(
1
0
8
)
O(10^8)
O(108),所以O(m+n)和O(min(m,n))不等价。
但是个人觉得这种方法有点为了“解释答案”而去解释,正常人谁能想到还要用夹逼定理去算时间复杂度???
3.所以我觉得直接从本质上考虑就好,这种算法的本质:就是两个表进行比较,其中一个表比较完之后,剩下的直接插入。因此最好的情况,不用想的太复杂,其实就只是短的那个表比较完了:O(min(m,n))。而最坏的情况,就只是长的那个表比较完了:O(max(m,n))。
从编码的角度看,两个有序顺序表合并一个新的有序顺序表中,核心算法如下:
while(i<A.length && j<B.length){ //循环两两比较,小的存入结果
if(A.data[i]<B.data[j])
C.data[k++]=A.data[i++];
else
C.data[k++]=B.data[j++];
}
while(i<A.length) //还剩一个没有比较完的顺序表
C.data[k++]=A.data[i++];
while(j<B.length)
C.data[k++]=B.data[j++];
C.length=k;
所以从代码来看,它的比较次数是上面的while循环次数+下面的while循环次数,确实是m+n次昂?!
但是这个算法的时间复杂度应该以上面的那个while为准,它退出循环的时候,就只是单单的判断有一个表的下标越界了而已,最坏的其实就是max(m,n)。
5.这道题目前的两派人,无非就是争执O(m+n)和O(max(m,n)),那么两边好像都有点道理,那问题出在哪里?
昨天受到一个学生的启发,就是下面这个程序的时间复杂度:
for(i=1;i<=n;i++)
for(j=1;j<=i;j++)
for(k=1;k<=j;k++)
x++;
上面这个的时间复杂度
T
(
n
)
=
O
(
∑
i
=
1
n
∑
j
=
1
i
∑
z
=
1
j
l
)
=
O
(
1
6
n
3
)
T(n)=O( \sum _{i=1}^n{\sum _{j=1}^i{\sum _{z=1}^j}l})=O(\frac{1}{6}n^3 )
T(n)=O(∑i=1n∑j=1i∑z=1jl)=O(61n3),最后从“级数”的角度出发,所以时间复杂度是
O
(
n
3
)
O(n^3)
O(n3)。
那么计算次数的时候,具体的n=2的时候,可以看见这个X++;语句运算了4次!!!
那么从时间复杂度考虑,三个累乘的直接结果是,而带入n=2时是算不出运行了8次的!
再换句话说,O()的时间复杂度,带入n的时候,有时候是没办法通过“时间复杂度”去算出具体的“执行次数”,原因就是,“时间复杂度”是一个“变化级数”的层次概念,而不是具体的运行次数的概念。O(10n),O(n+180),O(n-30)…等等都是O(n)级数。
这就是“级数”和“实际执行次数”的中间断层!!!
那么max(m,n)就是对应的“级数”层次,而m+n对应的是“实际执行次数”,所以导致出现了这个争议,两边其实都没有错!
因此,笔者坚持答案应该是max(m,n),而不是具体的执行次数。
6.这个是2013年的联考题,原答案是O(max(m,n))。虽然提倡质疑“标准答案”的做法,但是这种全国统一考的试题中,错误答案应该是几乎没有的。
总结:计算复杂度时优先考虑比较的复杂度,剩下的操作复杂度不做考虑,因为我们设计的算法就是要解决如何找?如何算?至于像本题剩下的如何移动剩下的不纳入算法复杂度内,也就是老师所说的“级数”层次,所以答案为 O ( m a x ( n , m ) ) O(max(n,m)) O(max(n,m))