Страницы

Поиск по вопросам

среда, 4 декабря 2019 г.

Как посчитать сложность алгоритма?

#java #алгоритм #сложность


Исходные данные: файл, с одной единственной колонкой, в которой находятся числа от
0 до Integer.MAX_INT.

Нужно написать алгоритм, который будет подсчитывать количество повторений цифр в
этом файле.



Будем считать, что у нас бесконечное количество памяти. Напишем такой метод, а по
завершению просто распечатаем entries у этой коллекции: 

final Map map = new HashMap<>();
//----

public void add(Integer digit) {
    Integer quantity = map.get(digit);

    if (quantity == null) {
        map.put(digit, 1);
    } else {
        map.put(digit, ++quantity);
    }
}


Вопрос №1: Правильно ли я понимаю, что алгоритмическая сложность данного метода будет
O(1)? Т.к. внутри используется HashMap со сложностью поиска и добавления O(1).

Вопрос №2: Общая сложность системы будет равна O(n) ? 



А теперь заменим HashMap на TreeMap:

Вопрос №3: Сложность метода будет равна O(log(n)) ?

Вопрос №4: Сложность всей системы будет равен O(n) ? Т.к. он сложится из O(n) + O(log(n))
-> O(n) т.к. она растет быстрее чем логарифм. 
    


Ответы

Ответ 1



Вопрос №1: Правильно ли я понимаю, что алгоритмическая сложность данного метода будет O(1)? Т.к. внутри используется HashMap со сложностью поиска и добавления O(1). Да, с оговоркой про то, что вставка/поиск в хеше на неудачных данных может деградировать до O(n), Здесь стоит оговориться, что для хеша с адекватной хеш-функции, подходящем размере таблицы и при квазислучайных входных данных вероятность худшего случая пренебрежимо мала, но всегда существует такой набор данных, который этот случай даст. Зачастую его можно специально подобрать и даже использовать для DOS-атаки. Кроме того при обычной реализации динамически расширяемой хеш-таблицы map.put может потребовать перестроения индекса хеша, сложность которого также O(n), но этого можно избежать заранее выделив под таблицу достаточный объём данных. Вопрос №2: Общая сложность системы будет равна O(n) ? Да, с аналогичной оговоркой, в худшем случае время составит O(n²). В случае динамически расширяемой хеш таблицы в типовой реализации также необходимо увеличивать её размер и пересчитывать хеши порядка log(N) раз и время соответственно может ухудшиться до O(N*log(N)) в среднем случае, но этот эффект будет проявляться только для относительно больших N и зачастую его так или иначе можно нивелировать (выделяя заведомо больше памяти). А теперь заменим HashMap на TreeMap: Вопрос №3: Сложность метода будет равна O(log(n)) ? Да Вопрос №4: Сложность всей системы будет равен O(n) ? Т.к. он сложится из O(n) + O(log(n)) -> O(n) т.к. она растет быстрее чем логарифм. Нет, здесь не верно: нужно N раз сделать операцию сложностью O(log(n)), где n в среднем равно N/2. т.е. сложность будет O(N*log(N)).

Ответ 2



Да, все правильно. Перебор коллекции это всегда O(N), потому выполнение метода add и печать всех элементов это O(N). В первом случае сложность функции add - O(1) в среднем(а в худшем O(N), потому что в хеш-таблице могут быть коллизии), а во втором - O(log N) в худшем случае потому что TreeMap это сбалансированное бинарное дерево поиска. UPD К сожалению слегка ошибся, забыл что во втором случае мы N раз добавляем за логарифм потому сложность O(N log N)

Ответ 3



"Нужно написать алгоритм, который будет подсчитывать количество повторений цифр в этом файле." Скажите на милость, зачем вам вообще какие-то HashMap, если вас интересуют цифры? Массив из 10 целых, и вперед, чтение по одному символу, если цифра - увеличивать соответствующий элемент массива. Все. Чистое O(размер файла). Вы верно переписали задание? Просто в условии у вас одно задача, а решаете вы совсем другую.

Комментариев нет:

Отправить комментарий