Question

＆＃34; oneToEach＆＃34;函数为List[Int]的每个元素添加1。第一个函数不是尾递归，而后者是。

如果我有一个百万长度的List [Int]我传入这两个函数，哪个会表现得更好？更好=更快或更少的资源使用。

// Add one to each element of a list
def oneToEach(l: List[Int]) : List[Int] =
  l match {
   case Nil => l
   case x :: xs => (x + 1) :: oneToEach(xs)
}

...

def oneToEachTR(l: List[Int]) : List[Int] =  {
  def go(l: List[Int], acc: List[Int]) : List[Int] = 
     l match {
       case Nil => acc
       case x :: xs => go(xs, acc :+ (x + 1))
     }
  go(l, List[Int]())
}

如果我理解，第一个函数的算法复杂度为O（n），因为它需要递归列表中的每个项目并添加1.

对于oneToEachTR，它使用:+运算符，我的read是O（n）复杂度。由于在列表中每个递归/项使用此运算符，最坏情况算法复杂度是否变为O（2 * n）？

最后，对于百万元素列表，后者函数在资源方面的表现会更好吗，因为它的尾递归？

Answer 1

关于



对于oneToEachTR，它使用:+运算符，我读过这个运算符的复杂度为O(n)。由于在列表中每个递归/项使用此运算符，最坏情况的算法复杂度是否变为O(2*n)？


不，它变为O(n^2)
对于足够大的O(n^2)，尾递归不会保存O(n)算法与n; 100万肯定就足够了！

为什么O（n ^ 2）？

您有一个n元素列表。
第一次调用:+将遍历0个元素（acc最初为空）并附加1： 1个操作。
第二个调用将遍历1个元素并附加1： 2个操作
第三个电话.. 2个元素+追加1： 3个操作
...
所有“操作”的总和为1 + 2 + 3 + ... + n = n(n+1)/2 = (1/2)n^2 + n/2。这是“按”n^2或O(n^2)。

评估函数的性能

1 个答案:

为什么O（n ^ 2）？