请按照操作执行
Tail[Tail[Head[(((a,b),((c))),(d),((e,f)))]]]结果是c
Head[(((a,b),(c)),(d),((e,f)))] 得到 ((a,b),(c))。
Tail[((a,b),(c))],得到 (c)。
Tail[(c)],得到 c。
下面来给出不同数据范围下应该如何选择算法的时间复杂度以及算法:
数据范围 | 算法时间复杂度 | 可选择算法 |
---|---|---|
n ≤ 30 | 指数级别的算法 | 暴力搜索、dfs+减枝、状态压缩dp |
n ≤ 100 | O(n3) | floyd,dp |
n ≤ 1000 | O(n2),O(n2logn) | dp,二分,朴素版Dijkstra、朴素版Prim、Bellman-Ford |
n ≤ 10000 | O(n∗n\sqrt{n}n) | 块状链表、分块、莫队 |
n ≤ 100000 | 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≤1000000 | 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)O(nlogn) 的做法:sort、树状数组、heap、dijkstra、spfa |
n≤10000000 | O(n) | 双指针扫描、kmp、AC自动机、线性筛素数 |
n≤109 | O(n\sqrt{n}n) | 判断质数 |
n≤1018 | O(logn) | 最大公约数,快速幂 |
n≤101000 | O((logn)2) | 高精度加减乘除 |
n≤10100000 | O(logn×loglogn) | 高精度加减、FFT/NTT |
参考文档:
由数据范围反推算法复杂度以及算法内容我是ACfun,感谢大家的支持!