按常量调整数组大小时的摊销复杂性?

Amortization complexity when resizing arrays by a constant?

我知道,当您通过标量调整数组大小时(例如将数组的长度加倍,然后将所有元素复制到新的大数组中),分摊时间复杂度为 O(1)。

但为什么当您使用常量(例如,每次将其大小调整 +10)而不是 O(1) 时呢?

编辑:https://www.cs.utexas.edu/~slaberge/docs/topics/amortized/dynamic_arrays/ 这个网站似乎解释了它,但我对数学很困惑。大$N$从哪里来?我以为我们在处理 k?

如果每第 k 个连续插入的成本与数组中已有元素的数量一样多(用 n+N*k 表示,其中 n 是数组的初始大小),那么您将得到这种类型的序列:

  1. n O(1) 操作
  2. 复杂度为 O(n) 的运算
  3. k O(1) 操作
  4. 复杂度为 O(n+k) 的运算
  5. k O(1) 操作
  6. (n+2k) 的昂贵操作
  7. k O(1) 操作
  8. 复杂度为 O(n+3k) 的运算

看到这是怎么回事了吗?每个昂贵的插入发生在每 k 次插入(预计第一次)并且成本为当前元素数。

这意味着在让我们简化 n+A*k 次插入之后,我们有 n 个元素的 A 个副本,还有第一组 k 个元素的 A-1 个副本,第二个元素的 A-2 个副本k 个元素的集合,依此类推..

总计为 O(An + A^2 * k)。因为我们做了 n+Ak,所以我们可以除以得到摊余成本。

这给了我们 (An + A^2 * k)/(n+Ak)=A

因此,这意味着我们在这个数组中根据插入次数进行摊销,这很糟糕,因为我们无法声明这个数组平均做一个恒定的工作。