这个循环的复杂性是什么

时间:2019-04-05 18:26:31

标签: ruby time-complexity space-complexity

我试图找出这段解决滑动最大问题的代码的时间复杂度

我尝试了2个嵌套循环,但是复杂度为O(n * k),我认为下面列出的代码不太复杂

  res=[]
  for i in 0..(array.length-k) do 
   res <<  array.slice(i,k).sort[-1]
  end
  return res 

我想知道使用的默认方法(Ruby)的复杂性是什么,以及它们如何影响此循环的复杂性。谢谢

5 个答案:

答案 0 :(得分:1)

这里的Enumerator解决方案似乎在大型数据集上最快(k>〜65)

def sliding_max(arr,k)
  a = arr.dup
  b = a.shift(k)
  max_n = n = b.max
  Enumerator.new do |y|
    y << max_n
    loop do 
      break if a.empty?
      b.<<(a.shift)
      max_n = b.max if b.shift == max_n || b.last > max_n
      y << max_n 
    end
  end.to_a    
end

在这里,我们仅在从数组中删除的数量等于最大值或所添加的值大于当前最大值的情况下计算最大值。

答案 1 :(得分:0)

通常可以通过将代码简化为必要内容来开始:

/(\w+)>.*?<\1/

此处可以剥离const arr = [{type: "My Application"}, {type: "My Component"}, {color: "red" }]; const result = Object.entries(arr.reduce((acc, x) => { Object.entries(x).forEach(([k, v]) => { acc[k] = [...(acc[k] || []), v]; }); return acc; }, {})).map(([k, v]) => ({ [k]: v.length > 1 ? v : v[0] })); console.log(result);的位置,从而使该操作成为线性时间。通常将(array.length-k).times.map |i| array.slice(i,k).max end 视为 O(log n)

除非您可以消除内部或外部循环,否则这最终是 O(n 2

如果此处的目标是在数组所有可能的子集中找到所有最大值,那么可能有一种算法可以做到这一点。

答案 2 :(得分:0)

该方法如何工作

我可以通过一个例子来解释我在这里使用的方法的基本思想。假设数组为[1 , 3, 2, 4]k = 3,并且我们已经计算出[1, 3, 2].max #=> 3。从1 < [1, 3, 2].max开始,我们知道[3, 2].max == [1, 3, 2].max #=> true。因此,我们可以通过比较两个已知值[3, 2, 4].max来计算[[3, 2].max, 4].max => [3, 4] => 4。这为k = 3节省了计算时间,但是随着k的增加而增加。

计算效率

下面的方法的(最坏情况)计算复杂度为O(n*kn = arr.size),但是随机生成的数组平均应该需要进行(n-k)*(1+2*(k-1)/k)这样的操作。 / p>

为数组的每个a.max切片k计算a的蛮力方法需要进行(n-k)*k操作。因此,对于随机生成的数组,我的方法所需的操作数与蛮力方法所使用的操作数之比约为

(n-k)*(1+2*(k-1)/k)/(n-k)*k
  #=> (1+2*(k-1)/k)/k

对于k = 3,该比率为0.77,但是由于计算开销,该方法可能仍然处于不利地位。随着k的增加,分子接近3,因此比率接近3/k。因此,与蛮力方法相比,随着k的发展,我的方法将获得越来越大的收益。

代码

def sliding_max(arr, k)
  return nil if k > arr.size
  (k..arr.size-1).each_with_object([arr.first(k).max]) do |i,a|
    mx = a.last
    a << (arr[i-k] < mx ? [mx, arr[i]] : arr[i-k+1, k]).max
  end
end

示例

sliding_max([1, 4, 2, 3, 2, 1, 0], 3)
  #=> [4, 4, 3, 3, 2]
sliding_max([1, 2, 3, 4, 5, 6, 7], 3)
  #=> [3, 4, 5, 6, 7] (fastest)
sliding_max([7, 6, 5, 4, 3, 2, 1], 3)
  #=> [7, 6, 5, 4, 3] (slowest)

说明

我们逐步介绍以下参数的方法。

arr = [1, 4, 2, 3, 2, 1, 4]
k = 3

return nil if k > arr.size
  #=> return nil if 3 > 7 => false
a = [arr.first(k).max]
  #=> [[1, 4, 2].max] => [4]
enum = (k..arr.size-1).each_with_object(a)
  #=> #<Enumerator: 3..6:each_with_object([4])>

生成第一个元素并将其传递给块,并为块变量分配值。

i, a = enum.next
  #=> [3, [4]] 
i #=> 3 
a #=> [4] 

现在执行块计算。

mx = a.last
  #=> 4
arr[i-k] < mx
  #=> arr[3-3] < mx => 1 < 4 => true

所以执行

b = [mx, arr[i]].max
  #=> [4, arr[3]].max => [4, 3].max => 4
a << b
  #=> [4, 4]

下一个值由enum生成,传递给块,为块变量分配值,并执行块计算。

i, a = enum.next
  #=> [4, [4, 4]] 
i #=> 4 
a #=> [4, 4] 
mx = a.last
  #=> 4 
arr[i-k] < mx
  #=> arr[4-3] < 4 => 4 < 4 => false 

所以这一次,我们必须执行更昂贵的计算。

b = arr[i-k+1, k].max
  #=> arr[4-3+1, 4].max => [2, 3, 2].max => 3
a << b
  #=> [4, 4, 3]

其余计算类似。

答案 3 :(得分:0)

require 'benchmark'

def sliding_maximum(k, array)


 time=Benchmark.realtime do
=begin  
             my proposition >
  res=[]
  for i in 0..(array.length-k) do 
   res <<  array.slice(i,k).max
  end
  #return res  
=end     # time => 8.9185999968322e-05


=begin      
              @Cary's proposition >
(k..array.size-1).each_with_object([array.first(k).max]) do |i,a|
    mx = a.last
    a << (array[i-k] < mx ? [mx, array[i]] : array[i-k+1, i]).max
  end
=end    # time => 0.0001353049992758315


=begin     
           @tadman proposition 
 #array.each_cons(k).map(&:max)
=end     time 7.903100049588829e-05
 end 
 p time 

end

sliding_maximum(3, [1, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9, 3, 5, 7, 9])

这是我尝试计算包括我的每个命题的实时执行的代码。随意更改传递的数组或K以查看执行差异。对我来说,我看到@tadman命题(第三个)对于较大的数组更快。

答案 4 :(得分:0)

这是另一个基准,它显示了相对效率如何随着k(每个切片的大小)的增加而变化。

require 'benchmark'

def test(arr, k)
  puts "Testing for k = #{k}"
  Benchmark.bm(11) do |x|

    x.report("Wonder Boy") {
      res=[]
      for i in 0..(arr.length-k) do
        res << arr.slice(i,k).max
      end
      res
    }

    x.report("Tadman") { arr.each_cons(k).map(&:max) }

    x.report("Cary") {
      (k..arr.size-1).each_with_object([arr.first(k).max]) do |i,a|
        mx = a.last
        a << (arr[i-k] < mx ? [mx, arr[i]] : arr[i-k+1, k]).max
      end
    }

    x.report("Engineer 1") {
      a = arr.dup
      b = a.shift(k)
      max_n = n = b.max
      Enumerator.new do |y|
        y << max_n
        loop do 
          break if a.empty?
          b.<<(a.shift)
          max_n = b.max if b.shift == max_n || b.last > max_n
          y << max_n 
        end
      end.to_a    
    }

    x.report("Engineer 2") {
      a = arr.dup
      b = a.shift(k)
      max_n = n = b.max
      Enumerator.new do |y|
        y << max_n
        loop do 
          break if a.empty?
          b.<<(a.shift)
          max_n = (b.shift == max_n) ? b.max : [max_n, b.last].max
          y << max_n 
        end
      end.to_a    
    }
  end
end

arr = 10000.times.map { rand(100) } 
arr.first(4)
  #=> [61, 13, 41, 82]

test(arr, 3)
Testing for k = 3
                  user     system      total        real
Wonder Boy    0.021185   0.004539   0.025724 (  0.025695)
Tadman        0.004801   0.000000   0.004801 (  0.004809)
Cary          0.004542   0.000000   0.004542 (  0.004568)
Engineer 1    0.003998   0.000000   0.003998 (  0.004005)
Engineer 2    0.003427   0.000000   0.003427 (  0.003438)

test(arr, 10)
Testing for k = 10
                  user     system      total        real
Wonder Boy    0.003102   0.000000   0.003102 (  0.003105)
Tadman        0.003205   0.000012   0.003217 (  0.003225)
Cary          0.003286   0.000000   0.003286 (  0.003292)
Engineer 1    0.003387   0.000000   0.003387 (  0.003397)
Engineer 2    0.003092   0.000000   0.003092 (  0.003100)

test(arr, 30)
Testing for k = 30
                  user     system      total        real
Wonder Boy    0.011111   0.000000   0.011111 (  0.011139)
Tadman        0.010568   0.000000   0.010568 (  0.010572)
Cary          0.004292   0.000000   0.004292 (  0.004301)
Engineer 1    0.004197   0.000000   0.004197 (  0.004203)
Engineer 2    0.003759   0.000000   0.003759 (  0.003766)

test(arr, 100)
Testing for k = 100
                  user     system      total        real
Wonder Boy    0.007409   0.000035   0.007444 (  0.007437)
Tadman        0.005771   0.000914   0.006685 (  0.006703)
Cary          0.002773   0.000000   0.002773 (  0.002782)
Engineer 1    0.003213   0.000000   0.003213 (  0.003222)
Engineer 2    0.003138   0.000005   0.003143 (  0.003150)

test(arr, 1000)
Testing for k = 1000
                  user     system      total        real
Wonder Boy    0.019694   0.000000   0.019694 (  0.019696)
Tadman        0.031178   0.012383   0.043561 (  0.043571)
Cary          0.005782   0.000000   0.005782 (  0.005788)
Engineer 1    0.002446   0.000000   0.002446 (  0.002431)
Engineer 2    0.002395   0.000000   0.002395 (  0.002396)

最具指示性的结果几乎可以肯定是k = 100的结果。