【问题标题】:Complexity of triple-nested Loop三重嵌套循环的复杂性
【发布时间】:2015-08-11 09:00:38
【问题描述】:
我有以下算法来查找所有三元组
for (int i = 0; i < N; i++)
for (int j = i+1; j < N; j++)
for (int k = j+1; k < N; k++)
if (a[i] + a[j] + a[k] == 0)
{ cnt++; }
我现在有了三重循环,我检查了所有三重循环。如何证明可以从 N 个项目中选择的不同三元组的数量恰好是N*(N-1)*(N-2)/6?
如果我们有两个循环
for (int i = 0; i < N; i++)
for (int j = i+1; j < N; j++)
...
当i = 0 我们进入第二个循环N-1 次
i = 1 => N-2次
...
i = N-1 => 1 次
i = N => 0 次
所以0 + 1 + 2 + 3 + ... + N-2 + N-1 = ((0 + N-1)/2)*N = N*N - N/2
但是如何用三元组做同样的证明呢?
【问题讨论】:
标签:
algorithm
performance
time-complexity
【解决方案1】:
好的,我会一步一步做。这更像是一道数学题。
使用示例数组进行可视化:
[1, 5, 7, 11, 6, 3, 2, 8, 5]
第一次 3rd 嵌套循环从 7 开始,对吗?
2nd 位于 5,1st 循环位于 1。
第三个嵌套循环是重要的。
它将循环通过n-2 次。然后 2nd 循环递增。
此时,第三个循环循环了n-3次。
我们不断添加这些直到我们得到。
[(n-2) + (n-3) + ... + 2 + 1 + 0]
然后第一个循环递增,所以这次我们从n-3开始。
所以我们得到:
[(n-3) + ... + 2 + 1 + 0]
将它们加在一起我们得到:
[(n-2) + (n-3) + ... + 2 + 1 + 0] +
[(n-3) + ... + 2 + 1 + 0] +
[(n-4) + ... + 2 + 1 + 0] +
.
. <- (n-2 times)
.
[2 + 1 + 0] +
[1 + 0] +
[0]
我们可以重写为:
(n-2)(1) + (n-3)(2) + (n-4)(3) + ... + (3)(n-4) + (2)(n-3) + (1)(n-2)
在数学符号中我们可以这样写:
请务必查看 Summations 的加法属性。 (回到大学数学!)
我们有
=
... 记住如何将总和转换为多项式
=
=
复杂度为O(n^3)。
【解决方案2】:
一种方法是实现这样的三元组的数量等于C(n, 3):
n!
C(n, 3) = --------
3!(n-3)!
= (n-2)(n-1)n/6
另一个是计算你的循环做了什么:
for (int i = 0; i < N; i++)
for (int j = i+1; j < N; j++)
for (int k = j+1; k < N; k++)
您已经展示了从0 到n-1 的两个循环执行n(n-1)/2 操作。
对于i = 0,内部循环执行(n-1)(n-2)/2 操作。
对于i = 1,内部循环执行(n-2)(n-3)/2 操作。
...
对于i = N - 1,内部循环执行0 操作。
我们有:
(n-1)(n-2)/2 + (n-2)(n-3)/2 + ... =
= sum(i = 1 to n) {(n - i)(n - i - 1)/2}
= 1/2 sum(i = 1 to n) {n^2 - ni - n - ni + i^2 + i}
= 1/2 sum(i = 1 to n) {n^2} - sum{ni} - 1/2 sum{n} + 1/2 sum{i^2} + 1/2 sum{i}
= 1/2 n^3 - n^2(n+1)/2 - 1/2 n^2 + n(n+1)(2n+1)/12 + n(n+1)/4
这简化为正确的公式,但它太难看,无法在此处继续。您可以在Wolfram 上检查它。