算法复杂度分析之主方法 Master Method

上一篇文章中介绍了分治策略和归并排序算法。这一篇中主要谈谈分治策略的复杂度计算公式，也就是主方法。我们知道，递归函数的表达式可以分为两部分，即递归部分和带有终止条件的结束部分。例如下面的公式，描述了归并排序复杂度的递归表达式。 注意：此篇文章较偏向于理论和数学计算，不过基本原理非常简单。不要被主方法中看似复杂的公式吓到，其本质只是初中数学。看到最后就会知道完全是自己吓自己。 上一篇文章中提到，分治策略的核心就是递归，因此，每一个使用分治策略的算法都应该有一个类似上图中的表达式来描述它的复杂度。这也是我接下

<br />在分析根据递归方程分析算法的时间复杂度时，常见到如下形式的方程，<br />T(n) = a * T(n/b) + f(n) <br />a ³ 1，b > 1，f(n)一般是个简单函数<br /><br />这时可以有2种方法，来计算时间复杂度。一是用递归树，逐层代入原式，最终形成一个级数，<br />然后用一个函数来表达，得到T(n)。<br /><br />二是应用主项定理Master Method 。其实，主项定理也就是对递归树方法的一种归纳，形成了<br />固定的计算方式，并分三种情

在写递归程序时，往往要分析它们的时间复杂度，而且时间复杂度一般不太容易直接看出来。在分析递归程序的时间复杂度，有个比较有名的定理是the master method. 我们知道一般递归程序的时间复杂度可以用递归的公式表达出来，比如merge sort的时间复杂度的递归公式可以表示为T(n) = 2T(n/2) + O(n),而对于更一般的情况的，可以写成...

前一篇博客《C++:基于std::queue和std::mutex构建一个线程安全的队列》中，我们实现了一个线程安全的队列，本文我们说说如何实现一个线程安全的map。 在上一篇博客中，实现threadsafe_queue主要是依赖std::mutex信号量来实现线程对threadsafe_queue的独占访问,不论是只读的函数还是写函数对threadsafe_queue都是独占访问,因为对thre

STL 语义上不提供任何强度的线程安全保证。 1、vector与map都不是线程安全的： 同时读 OK 同时写 NO == 同时读写== NO 2、vector读写情况： vector一般情况下同时读写读没问题，但当vector预留内存空间不足，需要扩容导致的变量搬移时，读存在问题，同时写也存在问题，因此需要加锁，防止并发执行。 3、map读写情况： map底层结构时红黑树，每插入一个节点，map对下中数据分布就会变，因此，不可以同时写、也不能同时读写。 参考资料： 1、C++ ST

为了直观验证数据竞争的危害，我们构造一个典型实验场景：多个线程并发向同一个插入不同范围的整数键值对，同时另有线程持续执行查找操作。预期结果应为最终包含所有插入记录的一致视图。但在无锁情况下，程序极有可能崩溃或输出异常结果。i < end;++i) {// 危险！并发写入i < times;++i) {// 危险！并发读取if (it!// 防止优化掉读取// 启动4个写线程i < 4;++i) {// 启动2个读线程i < 2;

众所周知，STL容器不是线程安全的。对于vector，即使写方(生产者)是单线程写入，但是并发读的时候，由于潜在的内存重新申请和对象复制问题，会导致读方(消费者)的迭代器失效。实际表现也就是招致了core dump。另外一种情况，如果是多个写方，并发的push_back()，也会导致core dump。解法一：加锁是一种解决方案，但是加std::mutex互斥锁确实性能较差。对于多读少写的场景可以...

// boostTest.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include <string> #include <iostream> #include <sstream> #include <map> #include <Windows.h> #define MyMap_CLock...

这一章讲的是递归式(recurrence)，递归式是一组等式或不等式，它所描述的函数是用在更小的输入下该函数的值来定义的。 本章讲了三种方法来解递归式，分别是代换法，递归树方法，主方法。 1.代换法(Substitution method)(P38~P40) 定义：即在归纳假设时，用所猜测的值去代替函数的解。 用途：确定一个递归式的上界或下界。 缺点：只能用于解的形式

在b站看到算法导论的公开课里面讲到了快速分析算法复杂度的主要方法 对于一个递归实现的分治算法，其时间复杂度表示为： T(n) = aT(n/b)+f(n) 其中，a>=1; b>1; f(n)是不参与递归部分的时间复杂度。a表示分出多少个问题，b体现每个问题规模的大小 比较n^log b (a)与Θ(f(n)) 的大小 switch case >: 复杂度 = Θ(n^logb(a) ) case =: 复杂度= Θ(f(n)*lgn) case <: 复杂度= Θ(f(n))

主方法是使用分治策略解决时间复杂度问题的方法。主要基于递归方法进行分解、解决、合并的操作

·master公式（也称主方法）是用来利用分治策略来解决问题经常使用的时间复杂度的分析方法，（补充：分治策略的递归解法还有两个常用的方法叫做代入法和递归树法，以后有机会和亲们再唠），众所周知，分治策略中使用递归来求解问题分为三步走，分别为分解、解决和合并，所以主方法的表现形式：T [n] = aT[n/b] + f (n)（直接记为T [n] = aT[n/b] + T (N^d)）其中 ...

主方法是一个算法复杂度分析的一个很好的方法，但是只能用于特定的递归上，适合的递归形式为： T(n) = a*T(n/b)+f(n)        其中，a >=1 ; b >1 ; f(n) : 非递归函数，f(n)渐进趋正，渐进趋正的意思是当n足够大是，f(n)为正数，记：对于n>=n0时，f(n)>0，其中n0为足够大正数。 判断n^log b (a)与f(n)的大小关系

C++11:基于std::unordered_map和共享锁构建线程安全的map https://blog.csdn.net/10km/article/details/52072061 https://blog.csdn.net/10km/article/details/52067929 程序中经常需要缓存一些数据， 但是std::map 不是线程安全的 https://blog.c...

本文详细介绍了如何利用std::shared_mutex实现线程安全的unordered_map，解决多线程环境下的数据竞争问题。通过读写锁机制，显著提升读多写少场景下的并发性能，并提供了实用的代码实现和优化建议，帮助开发者高效处理高并发数据访问。

崩溃 最近程序中出现了崩溃现象，经过查询，发现是崩溃在STL容器的查询中。 崩溃的截图如下： 关于unordered_map 无序 map 容器，unordered_map 容器不会像 map 容器那样对存储的数据进行排序。 unordered_map 容器底层采用的是哈希表存储结构，该结构本身不具有对数据的排序功能，所以此容器内部不会自行对存储的键值对进行排序。 关联容器删除一个元素的时候，当前的迭代器会失效，其他的迭代器不会失效，增加一个元素的时候，迭代器不会失效。 线程安全性的保证： 多线程同

是C++17标准中引入的一种新的线程同步原语。它是一个允许多个读取者与单一写入者并发访问共享数据的互斥锁。共享锁定（Shared Locking）：在共享锁定期间，其他线程可以同时获取共享锁定，但不能获取独占锁定。这通常在只读操作中使用，因为多个线程可以同时读取数据，而不会彼此干扰。独占锁定（Exclusive Locking）：在独占锁定期间，其他线程既不能获取共享锁定，也不能获取独占锁定。这通常在写入操作中使用，以确保数据在写入期间不会被其他线程修改。lock(): 获取独占锁定。

使用 C++11 标准库中的 std::shared_mutex 实现读写锁来保护 std::unordered_map，允许多个线程同时读取 unordered_map，但只允许一个线程写入 unordered_map，可以提高并发性能。std::unordered_map 是 C++ 标准库中的哈希表实现的关联数组，它本身不是线程安全的，多个线程同时访问和修改同一个 unordered_map 可能会导致数据竞争和未定义行为。