algorithm - 什么是 PageRanks Big-O 复杂度?

标签 algorithm graph time-complexity graph-algorithm pagerank

我正在搜索 PageRank 算法的大 O 复杂性。 我几乎找不到任何东西,我只是找到了 O(n+m)(n - 节点数,m - 弧/边数) 但我现在还不相信这种复杂性。

我认为它缺少收敛标准。我不认为这是一个常数,我认为收敛取决于图形直径。一次迭代有 Big-O 可能就足够了,那么收敛性就不重要了。

尽管如此,PageRank 需要接触每个节点并聚合每个传入排名,因此我预计运行时间为 O(n * m)

我错过了什么吗?有人知道 PageRank 的 Big-O 复杂性的宝贵来源吗?

提前致谢。

最佳答案

经过一些研究和进一步思考,我得出的结论是 O(n+m) 是真实的东西。

因为即使在一个完整的图中,也必须触及每条边两次。一个人不能触及每一个边缘,那是我思想上的错误。因此,必须至少接触每个节点,这是 n 次,是大 O 中 m 的每个边的两倍。 所以正确答案是O(n+m)

关于algorithm - 什么是 PageRanks Big-O 复杂度?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12474398/

相关文章:

java - 在奇数元素之后对 LinkedList 进行排序

algorithm - 检测有向依赖图中的循环并检测顶点是循环的一部分还是仅依赖于一个顶点

algorithm - 将最大可能的边添加到具有节点容量的图中

string - 字符串子序列递归的时间复杂度

java - 一种算法,用于检查 2 只狗 x 和 y 是否具有相同品种,给出 R(x,y) 形式的断言列表

arrays - 给定 2 个数组,找到索引乘积的最小和

算法题: Converting non-integer maximum flow to integer maximum flow

r - 将 ggplot2 和 facet_grid 一起用于连续变量和分类变量 (R)

algorithm - 递减增量循环的时间复杂度

algorithm - 复杂性理论中的 O(lg(n)) * O(lg(n))