python index函数时间复杂度_递归函数时间复杂度的计算

你被一个坏的(又名)误导了没有用“n的定义。此外，您似乎假定append是摊销的O(n)。不是，而是摊销的。在

考虑一下在列表l上花费T(l)的操作。在new=[]

for e in ls:

if type(e) == list:

new.append(deep_copy(e))

else:

new.append(e)

return new

是

^{pr2}$

这是正义的T(l) = O(len(l)) * [T(lᵢ) or O(1)] + O(1)

请注意，因为T(lᵢ) or O(1)依赖于lᵢ的类型和{}的类型，所以我们不能像普通方法一样解决这个递归问题。在

我们的递归可以在非正方形甚至非矩形数组上工作。这意味着我们不能仅仅在n中用列表的长度n参数化它。在

相反，我们可以用不同的量来参数化它。在

我们知道递归将总共遍历N个元素。这意味着我们会有[

T(l₁) +

T(l₂) +

T(l₃) +

T(l₄) +

...

] + O(1)

这是正义的[

[T(l₁₁) + T(l₁₂) + T(l₁₃) + T(l₁₄) + ... + O(1)] +

[T(l₂₁) + T(l₂₂) + T(l₂₃) + T(l₂₄) + ... + O(1)] +

[T(l₃₁) + T(l₃₂) + T(l₃₃) + T(l₃₄) + ... + O(1)] +

[T(l₄₁) + T(l₄₂) + T(l₄₃) + T(l₄₄) + ... + O(1)] +

...

] + O(1)

是什么[

[T(l₁₁) + T(l₁₂) + T(l₁₃) + T(l₁₄) + ...] +

[T(l₂₁) + T(l₂₂) + T(l₂₃) + T(l₂₄) + ...] +

[T(l₃₁) + T(l₃₂) + T(l₃₃) + T(l₃₄) + ...] +

[T(l₄₁) + T(l₄₂) + T(l₄₃) + T(l₄₄) + ...] +

...

] + O(1) + T(len(l))

也就是说，递归地展开[

[[[[...[O(1) + O(1) + ...]...]]]] +

[[[[...[...]...]]]] +

[[[[...[...]...]]]] +

[[[[...[...]...]]]] +

...

] + O(1) + O(len(l)) +

+ O(len(l₁)) + ... + O(len(l₄)) + ... +

+ O(len(l₁₁) + ... + O(len(l₄₄)) + ... +

+ O(len(l₁₁₁) + ...

+ ...

第一部分(在[]s中)添加到O(N)。第二个是列表长度的总和。在

显然，列表的长度之和至少等于基本级别项的总数。但是，我们不能仅仅用基本级项目的数量作为答案，比如[[[...[[[[1]]]...]]]

但一个相当的项目将被复制。在

所以我们的答案是O(sum(number of items in each list, including all sublists))

那么为什么不在n或N中参数化呢？为什么只是一盒文字？在

好吧，那是因为这就是你所需要的，你所能给予的。如果你有另一个定义，比如：The array is of dimensions (x₁, x₂, x₃, ..., xₙ).

你可以用变量(O(Σx + Πx))来求解。但问题并不是这么说的。在

注意，正如前面所建议的，O(nⁱ⁺¹)对于具有i维的(n, n, n, ..., n)维的东西并不十分合适。它应该是O(nⁱ + i)。在

现在，我确实做了一些很奇怪的事。我没有写O(nⁱ + i)=O(nⁱ)。在

当你有两个变量时，通常(但不总是)值得考虑的情况是只有一个很大。通常是O(nⁱ) > O(i)，但是如果你可以有n和{}，那么{}和{}。在

基本上，O(nⁱ + i) = O(nⁱ)当且仅当您希望它时。如果大小写n = 1，i large很重要，则包括+ i。否则，不要

通过设置i=1和计时，我们可以快速测试功率是i，而不是{}：SETUP="

def deep_copy(ls):

new=[]

for e in ls:

if type(e) == list:

new.append(deep_copy(e))

else:

new.append(e)

return new

"

python -m timeit -s "$SETUP" -s "x = [0] * 10**5" "deep_copy(x)"

python -m timeit -s "$SETUP" -s "x = [0] * 10**6" "deep_copy(x)"

给予10 loops, best of 3: 20.8 msec per loop

10 loops, best of 3: 209 msec per loop

如我所说，当长度增加10时，花费的时间增加10倍意味着线性成本。在