今天被问到了关于时间复杂度的问题,关于O(logn)我还真有点懵,所以找了篇博客学习记录一下。
下面内容转载自https://blog.csdn.net/u011619283/article/details/51878201
<https://blog.csdn.net/u011619283/article/details/51878201>
<>典型时间复杂度
我们知道算法的执行效率,可以从它的时间复杂度来推算出一二。而典型的时间复杂度有哪些类型呢?
由上图,可以看出,除了常数时间复杂度外,logN型的算法效率是最高的。今天就介绍三种非常easy的logN型算法。
<>对分查找
给定一个整数X和整数A0,A1,…,An-1,后者已经预先排序并在内存中,求是的Ai= X的下表i,如果X不在数据中,则返回i = -1.
- (int)BinarySearch:(NSArray *)originArray element:(int)element { int low,
mid, high; low = 0; high = (int)originArray.count - 1; while (low <=
high) { mid = (low + high) / 2; if ([originArray[mid] intValue]
< element) { low =mid + 1; } else if ([originArray[mid]
intValue] > element) { high =mid -1; } else {
returnmid; } } return -1; }
* 1
* 2
* 3
* 4
* 5
* 6
* 7
* 8
* 9
* 10
* 11
* 12
* 13
* 14
* 15
* 16
* 17
* 分析 :*通过上面的程序可以看出,要算出时间复杂度,就是求出while循环的次数。
mid
每次的取值分别是数组长度(N-1)/2,(N-1)/2/2,(N-1)/2/2/2,…,1,0,-1。那么只用求出2的多少次方等于N-1,再加上可能的多需要的次数2。假设2的f次方等于N-1,最大时间即为log(N-1)
+ 2。因此对分查找的时间复杂度为logN。再举一个实际的例子,假设最初high = 128,low =
0,则mid的最大取值为64,32,16,8,4,2,1,0,-1。大家可以计算时间。
<>欧几里得算法
第二个是计算最大公因数的欧几里得算法。两个整数的最大公因数Gcd是同时整除二者的最大整数。于是,Gcd(50,15) = 5。
- (unsigned int)Gcd:(unsigned int)m n:(unsigned int)n { unsigned int Rem;
while (n > 0) { Rem = m % n; m = n; n = Rem; }
return m; }
* 1
* 2
* 3
* 4
* 5
* 6
* 7
* 8
* 9
* 10
算法超级简单,但是里面还是有一些精髓的。算法假设m>=n,但是如果m < n,则在第一次while循环后,m和n 会互相交换。
该算法的整个运行时间依赖于确定余数序列的长度,也就是while循环的次数。
依然举例m = 1989 和n = 1590,则余数序列是399,393,6,3,0。从而,Gcd(1989,1590) = 3。
虽然看不出余数的值是按照常数引子递减,有时候递减的非常少,例如从399递减到393。但是,我们可以证明,两次迭代以后,余数最多是原始值的一半。迭代次数至多是2logN,所以时间复杂度是logN。
怎么证明 M > N,则M mod N < M /2呢?
如果N =< M/2,则由于余数小于N,即M mod N < N <= M/2,所以余数也小于M/2。
如果N> M/2,则此时M中有个N,从而余数M-N < M/2。
<>幂运算
最后一个算法,是计算一个整数的幂。我们可以用乘法的次数作为运行时间的度量。
计算X的N次方常见的算法是使用N-1次乘法自乘。但是用递归算法更好。
- (long)Pow:(long)x n:(unsigned int)n { if (n == 0) { return 1;
} if (n == 1) { return x; } if ([self isEven:n]) {
return [self Pow:x * x n:n / 2]; } else { return [self Pow:x *
x n:n /2] * x; } } - (BOOL)isEven:(unsigned int)n { if (n % 2 == 0) {
return YES; } else { return NO; } }
* 1
* 2
* 3
* 4
* 5
* 6
* 7
* 8
* 9
* 10
* 11
* 12
* 13
* 14
* 15
* 16
* 17
* 18
* 19
* 20
* 21
* 22
* 23
* 24
如果N是偶数,则X的N次方 = X的N/2次方乘以X的N/2次方,如果N是奇数,则X的N次方 = X 的(N-1)/2 次方乘以
X的(N-1)/2次方乘以X。
显然,所需要的乘法次数最多是2logN。那么时间复杂度就是logN咯。
热门工具 换一换