考虑以下代码。
public class Permutations {
static int count=0;
static void permutations(String str, String prefix){
if(str.length()==0){
System.out.println(prefix);
}
else{
for(int i=0;i<str.length();i++){
count++;
String rem = str.substring(0,i) + str.substring(i+1);
permutations(rem, prefix+str.charAt(i));
}
}
}
public static void main(String[] args) {
permutations("abc", "");
System.out.println(count);
}
}
这里的逻辑,我认为遵循的是——它将字符串的每个字符视为一个可能的前缀,并排列剩余的 n-1 个字符。
所以按照这个逻辑递归关系就是
T(n) = n( c1 + T(n-1) ) // ignoring the print time
这显然是 O(n!)。但是当我使用一个计数变量来查看小麦算法真的按照 n! 的顺序增长时,我发现了不同的结果。
对于 count++ 的 2 长度字符串(在 for 循环内)运行 4 次,对于 3 长度的字符串,count 的值是 15,对于 4 和 5 长度的字符串,其值为 64 和 325。
这意味着它变得比 n! 更糟。那么为什么它说这个(以及生成排列的类似算法)在运行时间方面是 O(n!)。
最佳答案
人们说这个算法是 O(n!)
因为有 n!
排列,但你在这里计算的是(在某种意义上)函数调用 - 并且有比 n!
更多的函数调用:
- 当
str.length() == n
时,您执行n
次调用; - 对于每个使用
str.length() == n - 1
的n
调用,你执行n - 1
调用; - 对于每个
n * (n - 1)
调用str.length() == n - 2
你做n - 2
调用; - ...
你做 n!/k!
使用长度为 k
1 的输入 str
调用,并且由于长度从 n
到0
,总调用次数为:
sum k = 0 ... n (n! / k!) = n! sum k = 0 ... n (1 / k!)
但是你可能知道:
sum k = 0 ... +oo 1 / k! = e1 = e
所以基本上,这个总和总是小于常量 e
(并且大于 1
),所以你可以说调用次数是 O (e.n!)
即 O(n!)
。
运行时复杂度通常不同于理论复杂度。在理论上的复杂性中,人们想知道排列的数量,因为算法可能会检查这些排列中的每一个(因此实际上有 n!
检查完成),但实际上还有更多的东西继续。
1 由于您没有考虑初始函数调用,因此与您获得的值相比,这个公式实际上会给您一个。
关于algorithm - 为什么置换函数的时间复杂度是 O(n!),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39125471/