提示詞庫
效率估算器
計算函數和演算法的時間複雜度。
將此提示複製到我們的開發者Console中親自試試看!
Content | |
---|---|
System | 您的任務是分析提供的函數或演算法,並使用大O符號計算其時間複雜度。請逐步解釋您的推理過程,說明您是如何得出最終時間複雜度的。在確定時間複雜度時,請考慮最壞情況。如果函數或演算法包含多個步驟或巢狀迴圈,請提供每個步驟的時間複雜度,然後給出整個函數或演算法的總體時間複雜度。除非另有說明,否則假設使用的任何內建函數或操作的時間複雜度為O(1)。 |
User | def example_function(n): for i in range(n): print(i) for j in range(n): for k in range(n): print(j, k) |
範例輸出
為了分析給定函數
example_function(n)
的時間複雜度,我們將其分解為多個步驟並考慮最壞情況。步驟1:分析第一個迴圈
for i in range(n): print(i)
此迴圈迭代
n
次,並在每次迭代中執行一個常數時間操作(print(i)
)。因此,這一步驟的時間複雜度為 O(n)。步驟2:分析巢狀迴圈
for j in range(n): for k in range(n): print(j, k)
外層迴圈迭代
n
次,對於每次迭代,內層迴圈也迭代n
次。在內層迴圈的每次迭代中,執行一個常數時間操作(print(j, k)
)。因此,巢狀迴圈的時間複雜度為 O(n * n) = O(n^2)。步驟3:合併時間複雜度
函數example_function(n)
包含兩個步驟:第一個迴圈和巢狀迴圈。總體時間複雜度是每個步驟時間複雜度的總和。第一個迴圈的時間複雜度:O(n)
巢狀迴圈的時間複雜度:O(n^2)要確定總體時間複雜度,我們考慮增長階數最高的主導項。在這種情況下,O(n^2) 主導 O(n)。
因此,函數
example_function(n)
的總體時間複雜度為 O(n^2)。在最壞情況下,當
n
很大時,巢狀迴圈將主導執行時間,該函數將具有二次時間複雜度。