这个for循环的大O分析
sum = 0; for (i = 1; i <= n; i++) { //#1 for (j = 1; j <= i * i; j++) { //#2 if (j % i == 0) { //#3 for (k = 1; k <= j; k++) { //#4 sum++; } } }
}
以上让我感到困惑
Suppose #1 runs for N times #2 runs for N^2 times #3 runs for N/c since for N inputs N/c could be true conditions #4 runs for N times
因此大致我可以看O(N ^ 5)。 我不确定。 请帮忙澄清一下。
编辑我想知道if(j%i==0)
的运行时间。 由于它从其父循环中获取N^2
输入,因此它可以执行(N^2)/c
而不是N/c
我会说它的O(N ^ 4)和它一样。
for (int i = 1; i <= n; i++) //#1 O(n ... for (int j = i; j <= i * i; j+=i) //#2 ... * n ... for (int k = 1; k <= j; k++) //#4 ... * n^2) as j ~= i^2 sum++;
要么
public static void main(String... args) { int n = 9000; System.out.println((double) f(n * 10) / f(n)); } private static long f(long n) { long sum = 0; for (long i = 1; i <= n; i++) //#1 for (long j = 1; j <= i; j++) //#2 sum += i * j; // # 4 return sum; }
版画
9996.667534360826
这非常接近10 ^ 4
@PeterLawrey做了数学计算,这里是绘制在图表上的基准( 我的数据集 – n
与执行时间,以微秒为单位)。
基本上我用不同的n
输入(X轴)多次运行有问题的代码。 然后我将平均执行时间除以n^5
, n^4
和n^3
函数并绘制为:
全尺寸图片
请注意,这是一个对数标度,并且所有函数都被缩放到大致相同的范围内。
猜猜是什么,avergae执行时间t(n)
除以n^5
不断减少,而t(n)/n^3
不断增长。 当接近无穷大时,只有t(n)/n^4
稳定,这certificate平均执行时间实际上是O(n^4)
。
我认为使用Sigma表示法的答案如下: