WedX - журнал о программировании и компьютерных науках

Расчет сложности алгоритма паттерна 1 2 4 8

Мне нужно рассчитать сложность этого алгоритма:

f=1;
x=2;

for(int i=1;i<=n;i*=2)
   for(int j=1;j<=i*i;j++)   
      if(j%i==0)
         for(int k=1;k<=j*i;k++)
             f=x*f;

Я понял шаблон и сумму внутреннего цикла, который равен i ^ 2 (i (i + 1)/2), но я не могу получить сумму этого шаблона по ряду (1 2 4 8 16 .. .)

Итак, как я могу найти итог этого ряда?


Ответы:


1

Я не собираюсь решать это за вас (это похоже на домашнее задание). Но вот подсказка, чтобы упростить задачу.

Этот код:

for(int j=1; j<=i*i; j++)   
    if(j%i==0)
        // ... blah ...

эквивалентен этому коду:

for(int j=i; j<=i*i; j += i)
    // ... blah ...
03.05.2012
  • спасибо за вашу заботу .. Я понимаю, что вы имеете в виду .. моя проблема в математической формуле, которую я могу выполнить для суммирования ряда формы: 1 4 8 16 32 48 64 64 128 192 256 320 384 448 512 где n=8... как я уже сказал, я вычислил формулу внутреннего ряда как n^2(n(n+1)/2), но мне нужен внешний.. 04.05.2012

  • 2

    Еще одна подсказка для внешнего for(int i=1;i<=n;i*=2): после каждого выполнения тела цикла for i умножается на 2:

    1 · 2 · 2 · … · 2

    И так повторяется до тех пор, пока выполняется условие:

    1 · 2 · 2 · … · 2 ≤ n

    Мы также можем записать повторное умножение двойки следующим образом:

    2 · 2 · … · 2 = 2xn

    Сколько раз i умножается на 2, т.е. е. x, можно вычислить с помощью логарифма по основанию 2, i . е. журнал2(n):

    2xn

    С x = log2(n) это фактически равно:

    2log2(n) = n

    Таким образом, условие for является полом (log2(n)) умноженным на истинность, поэтому его сложность равна Ο(log(n)), Ω (log(n)), и, следовательно, θ(log(n)).

    26.05.2012
    Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]