这里首先要考虑的是直接切片枚举算法,例如,可以在此SO答案中]看到,枚举序列成员(k,j,i)
的给定对数值(以 2 为 底 )附近的三元组,以便target - delta < k*log2_5 + j*log2_3 + i < target + delta
在选择时逐步计算累积对数的j
和k
,使得i
直接已知的。
因此,它是一个 N 2/3次_算法,一次生成 _N 2/3_宽的序列切片(k*log2_5 + j*log2_3 + i
接近目标值,因此这些三元组构成填充有汉明序列三元组 1的四面体的外壳) ,表示每个产生的数字为 _O(1) 时间,从而在 O(N)的 摊销 时间和 O(N 2/3 ) 空间中产生 N个 序列成员。相对于基线Dijkstra的算法2而言 ,这是没有任何改善的,它 具有相同的复杂度,甚至可以进行 非摊销 并具有更好的恒定因子。 _
为了使其具有 O(1) 空间,随着序列的进行,地壳宽度将需要变窄。但是,地壳越窄,枚举其三元组的机会就会越来越多- 这几乎就是您所要求的证明 。恒定的切片大小意味着对于整个 O(N 5/3 ) 摊销时间,使用 O(1) 空间算法,每个 O(1) 切片的 _O(N 2/3)_功。
这是该频谱上的两个端点:从 N 1次, _N 2/3_空间到 _N 0_空间, _N 5/3_时间摊销。
1这是Wikipedia的图像,具有对数垂直刻度:
从侧面看,这本质上是(i,j,k)
在空间中拉伸的汉明序列四面体(i*log2, j*log3, k*log5)
。如果是真正的3D图片,则图像有点歪斜。
编辑: 2似乎我忘记了必须对切片进行排序,因为它们是由 j,k 枚举无序生成的。这将 通过切片算法按顺序生成序列的 N 个数的最佳复杂性更改为O(N 2/3 log N)_时间, _O(N 2/3)_空间,并使Dijkstra算法成为那里的赢家。但是,对于 _O(1) 切片,它不会更改 _O(N 5/3)_时间的上限。 __