大佬教程收集整理的这篇文章主要介绍了c – 同时复杂但运行时间变化很大,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
以下算法分别具有时间复杂度O(A2.5)和O(Alog(log(A)).仍然对于A(整数)的值大到73939138,第二个算法真的很慢.我试过很多输入,第一个更快.你能解释一下原因吗?
int ul=A/2; vector <int> answer; for (int i=1; i<=ul; i++) { if (check(i)==1 && check(A-i)==1 ) //check(i) checks primality of i in O(i^1.5) { int myint[2] ={ i,A-i }; answer.assign( myint,myint+2); return answer; } }
vector<bool> primes(A+1,truE); int i,j; //Sieve of Eratosthenes O(Alog(log(A))) for(i=2;i*i<A+1;i++) { if(primes[i]) { for(j=2;i*j<A+1;j++) primes[i*j]=0; } } vector<int> arr,answer; //arr is vector containing all primes from 2 to A; O(A) for(i=2;i<A+1;i++) { if(primes[i]) arr.push_BACk(i); } i=0;j=arr.size()-1; //Algorithm to find 2 numbers summing up to a value while(i<=j) { if(arr[i]+arr[j]>A) j--; else if(arr[i]+arr[j]<A) i++; else { answer.push_BACk(arr[i]); answer.push_BACk(arr[j]); return answer; } }
编辑:check(n)定义如下:
int check(int n) { int ul=sqrt(n); if(n<2) return 0; for(int i=2; i<=ul; i++) { if(n%i==0) return 0; } return 1; }
最坏情况与平均情况
只需看看A = 73939138的答案:
73939138 = 5 + 73939133
所以基本上,你的第一个算法会做10次调用来检查,而第二个算法会通过巨大的循环来填充数组素数.
第一算法的平均情况复杂度可能远低于O(A ^ 2.5),而第二算法的平均情况复杂度接近或等于O(A log(log(A)).
注意:关于平均情况复杂性的后续内容仅仅是猜测,不要将它们用于合理的结果.
第二种算法:
在这个算法中,无论A是什么,你都必须使用Eratosthenes的筛来填充数组素数,即O(A log(log(A))).由于这是算法中最耗时的部分,因此该算法的平均情况复杂度可能接近其最坏情况复杂度,因此O(A log(log(A))).
第一种算法:
这里更复杂……基本上,它取决于算法的结果.根据Wikipedia’s page on Goldbach’s conjecture,将A作为两个素数之和的平均写入方式是A /(2 * log(A)^ 2).
由于素数不能有两种不同的方式,这意味着平均有2 * A /(2 * log(A)^ 2)= A /(log(A)^ 2)素数有助于其中一种方式.
如果我们假设* 1这些素数均匀分布,则较小的素数应该接近A /(A / log(A)^ 2)= log(A)^ 2.
所以你只需要检查大约log(A)^ 2的数字.
1我完全不知道这是不是真的,我只是在猜测……
渐近行为
检查@PeterBecker’s answer and comments.
当你说O(A log(log(A)))复杂度时,你隐藏了很多东西 – 任何函数f(A)= C *(A log(log(A)))g(A)其中g( A)是O(A log(log(A)))也是O(A log(log(A))).
例如:
f(A) = c1 * A * log(log(A)) + c2 * A + c3 * log(A)
…是O(A log(log(A))).
系数c1,c2,c3决定了算法实现的实际行为,不幸的是,这些通常很难找到(或复杂).
>第一种算法不使用任何类型的容器,因此几乎没有内存需求(只有一些局部变量).
>第二种算法使用两个相对较大的数组,素数和arr – 如果A = 73939138:
> primes包含73939139“entity” – 这很可能是通过std :: vector< bool>的特化来优化的,但你仍然需要~9MB,它不适合L1缓存,也许是L2,你需要一点点每次访问的每个操作.
> arr应该包含~4000000 int(参见here),因为你使用push_BACk需要多次分配.
以上是大佬教程为你收集整理的c – 同时复杂但运行时间变化很大全部内容,希望文章能够帮你解决c – 同时复杂但运行时间变化很大所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。