hello-algo/docs/chapter_computational_complexity/exercises.md

comments

comments
true

2.6   练习

2.6.1   知识巩固

1.   迭代与递归的时间和空间

下面两段代码都计算 $1 + 2 + \dots + n$（设 $n \ge 1$）。请把 n 设为 4， 按照程序实际执行的顺序回答问题，然后比较两种写法的效率。

=== "Python"

```python title="complexity_exercises.py"
def sum_iter(n: int) -> int:
    """迭代求和"""
    res = 0
    for i in range(1, n + 1):
        res += i
    return res

def sum_recur(n: int) -> int:
    """递归求和"""
    if n == 1:
        return 1
    return n + sum_recur(n - 1)
```

=== "C++"

```cpp title="complexity_exercises.cpp"
/* 迭代求和 */
int sumIter(int n) {
    int res = 0;
    for (int i = 1; i <= n; ++i) {
        res += i;
    }
    return res;
}

/* 递归求和 */
int sumRecur(int n) {
    if (n == 1) {
        return 1;
    }
    return n + sumRecur(n - 1);
}
```

=== "Java"

```java title="complexity_exercises.java"
/* 迭代求和 */
int sumIter(int n) {
    int res = 0;
    for (int i = 1; i <= n; i++) {
        res += i;
    }
    return res;
}

/* 递归求和 */
int sumRecur(int n) {
    if (n == 1) {
        return 1;
    }
    return n + sumRecur(n - 1);
}
```

=== "C#"

```csharp title="complexity_exercises.cs"
/* 迭代求和 */
int SumIter(int n) {
    int res = 0;
    for (int i = 1; i <= n; i++) {
        res += i;
    }
    return res;
}

/* 递归求和 */
int SumRecur(int n) {
    if (n == 1) {
        return 1;
    }
    return n + SumRecur(n - 1);
}
```

=== "Go"

```go title="complexity_exercises.go"
/* 迭代求和 */
func sumIter(n int) int {
    res := 0
    for i := 1; i <= n; i++ {
        res += i
    }
    return res
}

/* 递归求和 */
func sumRecur(n int) int {
    if n == 1 {
        return 1
    }
    return n + sumRecur(n-1)
}
```

=== "Swift"

```swift title="complexity_exercises.swift"
/* 迭代求和 */
func sumIter(n: Int) -> Int {
    var res = 0
    for i in 1 ... n {
        res += i
    }
    return res
}

/* 递归求和 */
func sumRecur(n: Int) -> Int {
    if n == 1 {
        return 1
    }
    return n + sumRecur(n: n - 1)
}
```

=== "JS"

```javascript title="complexity_exercises.js"
/* 迭代求和 */
function sumIter(n) {
    let res = 0;
    for (let i = 1; i <= n; i++) {
        res += i;
    }
    return res;
}

/* 递归求和 */
function sumRecur(n) {
    if (n === 1) {
        return 1;
    }
    return n + sumRecur(n - 1);
}
```

=== "TS"

```typescript title="complexity_exercises.ts"
/* 迭代求和 */
function sumIter(n: number): number {
    let res = 0;
    for (let i = 1; i <= n; i++) {
        res += i;
    }
    return res;
}

/* 递归求和 */
function sumRecur(n: number): number {
    if (n === 1) {
        return 1;
    }
    return n + sumRecur(n - 1);
}
```

=== "Dart"

```dart title="complexity_exercises.dart"
/* 迭代求和 */
int sumIter(int n) {
  int res = 0;
  for (int i = 1; i <= n; i++) {
    res += i;
  }
  return res;
}

/* 递归求和 */
int sumRecur(int n) {
  if (n == 1) {
    return 1;
  }
  return n + sumRecur(n - 1);
}
```

=== "Rust"

```rust title="complexity_exercises.rs"
/* 迭代求和 */
fn sum_iter(n: i32) -> i32 {
    let mut res = 0;
    for i in 1..=n {
        res += i;
    }
    res
}

/* 递归求和 */
fn sum_recur(n: i32) -> i32 {
    if n == 1 {
        return 1;
    }
    n + sum_recur(n - 1)
}
```

=== "C"

```c title="complexity_exercises.c"
/* 迭代求和 */
int sumIter(int n) {
    int res = 0;
    for (int i = 1; i <= n; i++) {
        res += i;
    }
    return res;
}

/* 递归求和 */
int sumRecur(int n) {
    if (n == 1) {
        return 1;
    }
    return n + sumRecur(n - 1);
}
```

=== "Kotlin"

```kotlin title="complexity_exercises.kt"
/* 迭代求和 */
fun sumIter(n: Int): Int {
    var res = 0
    for (i in 1..n) {
        res += i
    }
    return res
}

/* 递归求和 */
fun sumRecur(n: Int): Int {
    if (n == 1) {
        return 1
    }
    return n + sumRecur(n - 1)
}
```

=== "Ruby"

```ruby title="complexity_exercises.rb"
### 迭代求和 ###
def sum_iter(n)
  res = 0
  for i in 1..n
    res += i
  end
  res
end

### 递归求和 ###
def sum_recur(n)
  return 1 if n == 1

  n + sum_recur(n - 1)
end
```

1. 输入 n = 4 执行迭代函数时，每轮循环结束后，累加变量 res 的值分别是多少？
2. 输入 n = 4 执行递归函数时，参数 n 会依次取哪些值？从最深的一层开始返回时，结果怎样得到？
3. 两种写法的时间复杂度和空间复杂度分别是多少？结合第 1、2 问的执行过程说明理由。

??? success "参考答案"

1. 循环变量 `i` 依次为 `1、2、3、4`，每轮结束后，`res` 依次变为
    `1、3、6、10`，所以迭代函数返回 10。

2. 参数 `n` 依次为 `4 → 3 → 2 → 1`。
    最深一层返回 1，随后各层依次得到 `2 + 1 = 3`、`3 + 3 = 6`、`4 + 6 = 10`。
    在最深处，4 次函数调用都尚未结束。

3. 两段代码都进行与 $n$ 成正比的循环或调用，因此时间复杂度均为 $O(n)$ 。
    空间复杂度不同：迭代版只使用常数个变量，为 $O(1)$ ；
    递归版在到达终止条件前，前面的函数调用都要等待返回结果，因此调用栈中最多同时保存 $n$ 次调用，
    空间复杂度为 $O(n)$。

    分析空间复杂度时，除代码中的变量外，还要考虑递归调用占用的空间。

2.   三段代码的时间复杂度

以下三个代码片段的输入均为正整数 n 。请按时间复杂度从低到高排序，并写出各自的复杂度。

=== "Python"

```python title="complexity_exercises.py"
def linear_loop(n: int) -> int:
    """线性阶循环"""
    res = 0
    for i in range(n):
        res += i
    return res

def quadratic_loop(n: int) -> int:
    """平方阶循环"""
    res = 0
    for i in range(n):
        for j in range(i, n):
            res += j
    return res

def logarithmic_loop(n: int) -> int:
    """对数阶循环"""
    while n > 1:
        n //= 2
    return n
```

=== "C++"

```cpp title="complexity_exercises.cpp"
/* 线性阶循环 */
int linearLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; ++i) {
        res += i;
    }
    return res;
}

/* 平方阶循环 */
int quadraticLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; ++i) {
        for (int j = i; j < n; ++j) {
            res += j;
        }
    }
    return res;
}

/* 对数阶循环 */
int logarithmicLoop(int n) {
    while (n > 1) {
        n /= 2;
    }
    return n;
}
```

=== "Java"

```java title="complexity_exercises.java"
/* 线性阶循环 */
int linearLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; i++) {
        res += i;
    }
    return res;
}

/* 平方阶循环 */
int quadraticLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; i++) {
        for (int j = i; j < n; j++) {
            res += j;
        }
    }
    return res;
}

/* 对数阶循环 */
int logarithmicLoop(int n) {
    while (n > 1) {
        n /= 2;
    }
    return n;
}
```

=== "C#"

```csharp title="complexity_exercises.cs"
/* 线性阶循环 */
int LinearLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; i++) {
        res += i;
    }
    return res;
}

/* 平方阶循环 */
int QuadraticLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; i++) {
        for (int j = i; j < n; j++) {
            res += j;
        }
    }
    return res;
}

/* 对数阶循环 */
int LogarithmicLoop(int n) {
    while (n > 1) {
        n /= 2;
    }
    return n;
}
```

=== "Go"

```go title="complexity_exercises.go"
/* 线性阶循环 */
func linearLoop(n int) int {
    res := 0
    for i := 0; i < n; i++ {
        res += i
    }
    return res
}

/* 平方阶循环 */
func quadraticLoop(n int) int {
    res := 0
    for i := 0; i < n; i++ {
        for j := i; j < n; j++ {
            res += j
        }
    }
    return res
}

/* 对数阶循环 */
func logarithmicLoop(n int) int {
    for n > 1 {
        n /= 2
    }
    return n
}
```

=== "Swift"

```swift title="complexity_exercises.swift"
/* 线性阶循环 */
func linearLoop(n: Int) -> Int {
    var res = 0
    for i in 0 ..< n {
        res += i
    }
    return res
}

/* 平方阶循环 */
func quadraticLoop(n: Int) -> Int {
    var res = 0
    for i in 0 ..< n {
        for j in i ..< n {
            res += j
        }
    }
    return res
}

/* 对数阶循环 */
func logarithmicLoop(n: Int) -> Int {
    var n = n
    while n > 1 {
        n /= 2
    }
    return n
}
```

=== "JS"

```javascript title="complexity_exercises.js"
/* 线性阶循环 */
function linearLoop(n) {
    let res = 0;
    for (let i = 0; i < n; i++) {
        res += i;
    }
    return res;
}

/* 平方阶循环 */
function quadraticLoop(n) {
    let res = 0;
    for (let i = 0; i < n; i++) {
        for (let j = i; j < n; j++) {
            res += j;
        }
    }
    return res;
}

/* 对数阶循环 */
function logarithmicLoop(n) {
    while (n > 1) {
        n = Math.floor(n / 2);
    }
    return n;
}
```

=== "TS"

```typescript title="complexity_exercises.ts"
/* 线性阶循环 */
function linearLoop(n: number): number {
    let res = 0;
    for (let i = 0; i < n; i++) {
        res += i;
    }
    return res;
}

/* 平方阶循环 */
function quadraticLoop(n: number): number {
    let res = 0;
    for (let i = 0; i < n; i++) {
        for (let j = i; j < n; j++) {
            res += j;
        }
    }
    return res;
}

/* 对数阶循环 */
function logarithmicLoop(n: number): number {
    while (n > 1) {
        n = Math.floor(n / 2);
    }
    return n;
}
```

=== "Dart"

```dart title="complexity_exercises.dart"
/* 线性阶循环 */
int linearLoop(int n) {
  int res = 0;
  for (int i = 0; i < n; i++) {
    res += i;
  }
  return res;
}

/* 平方阶循环 */
int quadraticLoop(int n) {
  int res = 0;
  for (int i = 0; i < n; i++) {
    for (int j = i; j < n; j++) {
      res += j;
    }
  }
  return res;
}

/* 对数阶循环 */
int logarithmicLoop(int n) {
  while (n > 1) {
    n ~/= 2;
  }
  return n;
}
```

=== "Rust"

```rust title="complexity_exercises.rs"
/* 线性阶循环 */
fn linear_loop(n: i32) -> i32 {
    let mut res = 0;
    for i in 0..n {
        res += i;
    }
    res
}

/* 平方阶循环 */
fn quadratic_loop(n: i32) -> i32 {
    let mut res = 0;
    for i in 0..n {
        for j in i..n {
            res += j;
        }
    }
    res
}

/* 对数阶循环 */
fn logarithmic_loop(mut n: i32) -> i32 {
    while n > 1 {
        n /= 2;
    }
    n
}
```

=== "C"

```c title="complexity_exercises.c"
/* 线性阶循环 */
int linearLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; i++) {
        res += i;
    }
    return res;
}

/* 平方阶循环 */
int quadraticLoop(int n) {
    int res = 0;
    for (int i = 0; i < n; i++) {
        for (int j = i; j < n; j++) {
            res += j;
        }
    }
    return res;
}

/* 对数阶循环 */
int logarithmicLoop(int n) {
    while (n > 1) {
        n /= 2;
    }
    return n;
}
```

=== "Kotlin"

```kotlin title="complexity_exercises.kt"
/* 线性阶循环 */
fun linearLoop(n: Int): Int {
    var res = 0
    for (i in 0 until n) {
        res += i
    }
    return res
}

/* 平方阶循环 */
fun quadraticLoop(n: Int): Int {
    var res = 0
    for (i in 0 until n) {
        for (j in i until n) {
            res += j
        }
    }
    return res
}

/* 对数阶循环 */
fun logarithmicLoop(n: Int): Int {
    var value = n
    while (value > 1) {
        value /= 2
    }
    return value
}
```

=== "Ruby"

```ruby title="complexity_exercises.rb"
### 线性阶循环 ###
def linear_loop(n)
  res = 0
  for i in 0...n
    res += i
  end
  res
end

### 平方阶循环 ###
def quadratic_loop(n)
  res = 0
  for i in 0...n
    for j in i...n
      res += j
    end
  end
  res
end

### 对数阶循环 ###
def logarithmic_loop(n)
  n /= 2 while n > 1
  n
end
```

??? success "参考答案"

从低到高为：片段三 $O(\log n)$、片段一 $O(n)$、片段二 $O(n^2)$。
片段三每轮把 $n$ 缩小为原来的一半，约循环 $\log_2 n$ 次。
片段一的循环恰好执行 $n$ 次。片段二的内层循环次数依次为
$n,n-1,\dots,1$，总次数为 $n(n+1)/2$，因此属于平方阶。

3.   哪种反转更节省空间

要将数组 nums 中的元素全部反转，有两种做法：

1. 新建一个等长数组 res，倒序复制后返回；

2. 用两个索引 i 和 j 分别从首、尾向中间移动，逐对交换 nums[i] 与 nums[j] 。

   两种做法的空间复杂度各是多少？哪种属于“原地”操作？

??? success "参考答案"

1. 需要与输入等长的辅助数组，空间复杂度 $O(n)$。

2. 只使用两个索引变量，
    空间复杂度 $O(1)$ ，属于原地操作。

    需要注意：原地反转会修改输入数组，
    仅在允许修改输入时才应优先选用；若需保留原数组，第 1 种做法的复制开销不可避免。

2.6.2   编程练习

1.   斐波那契数

斐波那契数列满足：$F(0)=0$、$F(1)=1$，并且当 n\ge2 时， $F(n)=F(n-1)+F(n-2)$。

给定非负整数 n，请使用循环计算并返回 $F(n)$，不使用递归。

??? tip "解题提示"

1. 先单独处理 n 为 0 和 1 的情况
2. 计算下一项时只需要前两项，无须保存整个数列
3. 更新两个变量时，注意不要过早覆盖仍会用到的旧值

LeetCode{ .rounded-button .exercise-button target="_blank" rel="noopener noreferrer" } 题目解析{ .rounded-button .exercise-button target="_blank" rel="noopener noreferrer" }