while(self.clusteringData.count>=2){ for (ClusterAnnotation *objectA in[self.clusteringData removeObject:right];
right = nil;}
第一次迭代速度相当快但是,随着每次迭代,性能都会变差,然后随着待聚类项的减少而变得更好。我知道在使用O(n^3)-Algo
to n v++我的方法:
F1(n)的输出是从变量v返回的整数值,该值由内循环在2n大小迭代时计算,对于外部for -循环则是在n个大小上计算的。由于jth for -循环总是将v递增n-1 (本例中为4),那么在每次完整迭代中,这意味着当ith for-循环从1开始到n时,变量v对于每一次i迭代都会增加n-1倍。所以如果ith for-循环
1 to A.length-j //second line swap A[i-1] and A[i]n+(n-1)+...+2 = n(n+1)/2-1
我知道,当第一行运行时,第二个循环运行n次,每次j的下一次迭代,第二个循环运行1次(n-1) +(n-2)等等。我知道这显然是一个求和,但我不明白为什么添加的最后一个东西是2 (对于第二行)
我对渐近分析的概念还很陌生。我正在读Goodrich的"Data Structures and Algorithms in Python“。在该书中,它的实现如下所示: ”””Return list such that, for all j, A[j] equals average of S[0], ..., S[j].””” A = [0] n # create new list of n zeros A[j] = sum(S[0:j+1]) / (j+1
print(i*k)def aux1(m): for j in range(m): return m
我正在试图计算函数如果对我的工作有任何反馈意见,我将不胜感激。我正在做的事情:我首先尝试替代i=1并尝试进行迭代,因此函数用m=n-1调用aux,aux1迭代n-1时间并返回m = n-1,所以现在在f1中我们有k = n-1</