Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Andere mochten auch
Mehr von Ken Ogura
計算量
- 1. 計算量の話
- 2. 計算量とは ● ある問題の答えを出すためにどれくらい計算 を行うか ● O(計算量)という表記をする – O(100,000), O(N), O(log N) – O(2^N), O(1), O(Nα(N))
- 3. 例 ● 問：1 ~ Nまでの整数の総和を求めよ – 普通に計算する → N-1回足し算 → O(N-1) – 公式を使う → 足し算と掛け算と割り算 → O(3) ● 計算の仕方によって計算量が違うことがある
- 4. いくつかのルール ● O記法の中身は一番大きな規模だけ残す ● 係数は1にする ● 例 – O(N-1) → O(N) – O(4N^2 + 2N) → O(N^2) – O(N^2 + M^2) → NとMが独立なのでこれ以上無理 – O(2^N + N^2) → O(2^N) – O(3) → O(1)
- 5. なぜか ● 中の変数が非常に大きな値になった時のことを考える ● O(5N^2 + 100N + 4)の場合 – N = 1 → 109 – N = 100→ 60004 – N = 10000 → 501000004 – N = 100000000 → 50000010000000004 ● ほとんどO(5N^2)と変わらなくなる ● O(N^2)との相対誤差は常にたったの5だから無視できる
- 6. 演習：素数判定 ある整数Nが素数か判定するアルゴリズムを考えてそれ の計算量を答えよ – 高速じゃなくてもOKです – ちなみに論理的に最速なのはO((log N)^7.5)くらいの やつです ● AKS素数判定法って言います ● おもいつくわけがない
- 7. 予想される解答 ● N未満の自然数全てについて割れるかどうか試す – O(N) – おそい ● √N未満の自然数全てについて割れるかどうか試す – O(√N) – これが思いつけば十分
- 8. そんなのありかよ ● 素数表をあらかじめ用意しておく – O(1) – 柔軟な発想である ● しかし欠点がある – 素数表は非常に大きくなる – 少なくとも予想されるNより小さい整数について知っ て居る必要がある – ようは覚えるためにメモリをめっちゃ食う
- 9. 空間計算量 ● さきほどのアルゴリズムの時間計算量はO(1)である ● しかし空間計算量がO(N)である – 空間計算量というのは、アルゴリズムに使用する記憶 領域に大きさ – O記法のルールは時間計算量と同じ – これが大きすぎるとメモリが足りずプログラム動かな い
- 10. まとめ ● どれくらい計算に時間かかるか – 時間計算量 ● どれくらい計算にメモリを食うか – 空間計算量 ● これらを考えると、そのアルゴリズムが問題を解くのに 適しているかどうか決める目安になる
- 12. 計算量の目安 ● だいたい1秒がO(10^7)〜O(10^8)くらい ● メモリはO(10^7)が限界くらい – 気にする必要がある問題はあまりない – 1MBでintが250000個という目安
- 15. 制限からの計算量予想 ● N 10^6 → O(N)≦ もしくは O(N log N) ● N 10^5 → O(N log N)≦ もしくは O(N log^2 N) ● N 3000 → O(N ^ 2)≦ ● N 500 → O(N ^ 3)≦ の中でも早いもの ● N 100 → O(N ^ 3)≦ ● N 50 → O(N ^ 5)≦ くらいまでいける ● N 20 → O(2 ^ N)≦ もしくは O(N * 2 ^ N)
- 16. アルゴリズムのご紹介
- 18. O(N) ● 貪欲法 – ただひたすらにminとかmaxとか条件に合うものを選 ぶアルゴリズム ● しゃくとり法 – 左端と右端を決めてちょっとずつ右に動きながら適切 な範囲を決めるアルゴリズム ● 木構造関係の前処理 – 深さ、部分木のサイズ、重心、DFS、BFS
- 19. O(N) ● 累積和の前処理、いもす法の後処理 – ともに連続した区間の総和を扱うことで、連続した区 間に対するクエリを高速（だいたい定数）で処理する もの。総和をとったりする前処理や後処理がO(N) ● エラトステネスのふるい – 素数表を作る – メビウス関数表も同時に作れる
- 20. O(N) ● 1~Nまでの数字の逆元の取得 – inv[x] = -inv[MOD % x] * (MOD / x); – という漸化式を使う方法 – 組み合わせ関係の式の前処理において多用 ● aho corasick法による文字列探索 – 探索対象文字列から文字列群の各要素を検出するアル ゴリズム
- 21. O(N) ● グラフの閉路判定 – 無向グラフの木状判定、有向グラフのDAG判定 – DFSするだけ ● グラフの強連結成分分解 – 強連結成分とはその中でどの頂点対間にも両方向にパ スがある誘導グラフ – 強連結成分を圧縮するとDAGになる
- 22. O(N) ● DAGのトポロジカルソート – 辺が全て小さい番号から大きい番号に伸びているよう に頂点を番号付けする – O(辺の数)です ● DAGに変換した後にDP – あらゆるDPはDAGの問題に変換可能です – 変換後の辺の数をNとするとそのDPはO(N)で溶ける 可能性が高いです
- 23. O(N^2) ● 全頂点対の走査 – グラフを作る段階に行う、あらゆるアルゴリズム – 平面上の全頂点間の辺の列挙等 ● ベルマンフォード法 – 単一始点最短経路を求めるアルゴリズム – 負の閉路があっても大丈夫 – 特殊な線形計画問題の双対である（牛ゲー）
- 24. O(N^3) ● ワーシャルフロイド法 – 全点対間最短経路を求める方法 – 実装が非常に楽 しかも定数が軽い ● 二部グラフの最大マッチング – 安定結婚問題みたいな奴 – 詳しくはマッチングでぐぐれ – O(V(V+E))だったりする
- 26. O(log N) ● 二分探索 – 答えが探索範囲の中点についてどちら側にあるか調べ る方法を繰り返す探索方法 ● ユークリッドの互除法 – 最大公約数をもとめたり、逆元を求めたりできる ● 繰り返し2乗法 – X^NをO(log N)でもとめる – 行列に使えば、漸化式を高速に解いたりできる
- 27. O(log N) ● std:set, std:map, std:priority_queueのクエリ – C++のライブラリから得られる便利なデータ構造 – 順序付き集合、辞書、順序付きキュー ● 平衡二分探索木のクエリ – 探索、質問、更新、追加、削除、併合、分割 – 右に行くほど実装が重い
- 28. O(NlogN) ● ダイクストラ法 – 本当はO((辺の数 + 頂点の数) log 頂点の数) – 単一始点最短経路のアルゴリズム – 負閉路があると動かない ● エンベロープによる走査 – 複数の一次式に対して、最小値や最大値をなぞる方法 – グラフの下端や上端をなぞる感じ
- 29. O(NlogN) ● ソート – データを順序付きに並び替えること – 超頻出アルゴリズム ● ダイクストラ法 – 本当はO((辺の数 + 頂点の数) log 頂点の数) – 単一始点最短経路のアルゴリズム – 負閉路があると動かない
- 31. O(NlogN) ● ダブリングの初期化 – ランダムアクセスできない順序付きのものにたいして log(N)でアクセスするためのデータ構造 – 各ノードにたいして2^x個次を持つ ● エンベロープによる走査 – 複数の一次式に対して、最小値や最大値をなぞる方法 – グラフの下端や上端をなぞる感じ
- 32. O(Nα(N)) ● UnionFind – ばらばらの集合を統合する処理を高速にするアルゴリ ズム ● ※αはアッカーマン関数の逆関数 – 詳しくは知る必要は全くない – とりあえずすごく小さい値とだけ覚えておいて