我对迭代对称矩阵的时间复杂度感到好奇。
我知道对于标准矩阵(二维数组),复杂度为 O(N^2)。然而,对于对称矩阵,我们只迭代它的上三角部分,而不是它的所有元素。
这是迭代对称矩阵的常见算法:
for(int i=0; i < symmetricM.length; i++)
for(int j=i; j < symmetricM.length; j++ )
System.out.println("Elem: "+symmetricM[i][j]);
如果可能的话,我想将相同的推理扩展到任何对称多维数组。
我无法自己计算,但由于许多问题都是通过这种方法解决的,所以我希望在复杂性方面能够适应它。
谢谢。
最佳答案
让我们看看在对称二维数组中迭代的元素数量,它是 n^2/2
,因为大小为 n
并且有 >2
维度,因此我们求 2 次方并除以 2 只得到一半的元素。所以O(n^2)
。
现在让我们看看在对称 3 维数组中迭代的元素数量。是n^3/6
。您可以用与计算 volume of a 3 dimensional triangle 相同的方式得出结论: ,因为所有数字都在这个三角形区域内。即使除以 3,时间复杂度也是 O(n^3)
。
对于 4 维,它将是 n^4/(4*3*2)
,即 O(n^4)
。但对于 m
维度,它将是 n^m/m!
并且由于维度是一个参数,所以时间复杂度将是 O(n^m/m !)
按照这个方法。
另一种计算方法是,如果您删除该维度的对角线,则如果没有重复元素并且所有元素都不同,则您要迭代的项目的索引与组合相同。我们知道组合的数量是 n!/m!(n-m)!
或 n 选择 m
所以这也可以是时间复杂度。
根据大多数factorial approximations最大的元素是 n^n
因此,当使用这些近似值并忽略相对较小的因素时,时间复杂度保持不变,因为:
n!/m!(n-m)! ≈ n^n/m!(n-m)^(n-m) > n^n/m!n^(n-m) = n^m/m!
。
所以最终时间复杂度将是O(n^m/m!)
。
关于algorithm - 迭代对称矩阵(或 n 维数组)的时间复杂度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54727526/