ACM-由数据范围反推算法复杂度以及算法内容
一般ACM或者笔试题的时间限制是1秒或2秒。
在这种情况下,C++代码中的操作次数控制在 \(10^7\) 为最佳。
下面给出在不同数据范围下,代码的时间复杂度和算法该如何选择:
数据范围 | 算法选择 |
---|---|
n≤30 | 指数级别, dfs+剪枝,状态压缩dp |
n≤100 | O(\(n^3\)),floyd,dp |
n≤1000 | O(\(n^2\)), O(\(n^2logn\)), dp,二分,朴素版Dijkstra、朴素版Prim、Bellman-Ford |
n≤\(10^4\) | O(\(n√n\)) ,块状链表、分块、莫队 |
n≤\(10^5\) | O(\(nlogn\)) 各种sort,线段树、树状数组、set/map、heap、拓扑排序、dijkstra+heap、prim+heap、spfa、求凸包、求半平面交、二分 |
n≤\(10^6\) | O(n), 以及常数较小的 O(\(nlogn\))算法 => hash、双指针扫描、并查集,kmp、AC自动机,常数比较小的 O(\(nlogn\)) 的做法:sort、树状数组、heap、dijkstra、spfa |
n≤\(10^7\) | O(n),双指针扫描、kmp、AC自动机、线性筛素数 |
n≤\(10^9\) | O(\(n√n\)) ,判断质数 |
n≤\(10^{18}\) | O(\(logn\)) ,最大公约数,快速幂 |
n≤\(10^{1000}\) | O(\((logn)^2\)),高精度加减乘除 |
n≤\(10^{100000}\) | O(\(logn×loglogn\)),高精度加减、FFT/NTT |
本文来自博客园,作者:漫漫长夜何时休,转载请注明原文链接:https://www.cnblogs.com/ag-chen/p/13762784.html