算法的摊销分析是什么？
如何与渐近分析相区别？何时使用它以及为什么？ 我读过一些写得很好的文章，比如这些： http://www.ugrad.cs.ubc.ca/~cs320/2010W2/handouts/aa-nutshell.pdf http://www.cs.princeton.edu/~fiebri...
通俗易懂的解释摊销复杂度是什么？
请问有人能够用通俗易懂的语言解释摊销复杂度吗？我在网上找了很久也没有找到确切的定义，也不知道它与算法分析有什么关系。如果有任何有用的信息，即使是外部引用的，都将不胜感激。
Python的list.append()方法的时间复杂度为什么是O(1)？
如 时间复杂度 文档所述，Python 的 list 类型是使用数组实现的。因此，如果正在使用数组并进行了几次附加操作，最终将不得不重新分配空间并将所有信息复制到新空间中。但是，它是如何实现 O(1) 最坏情况的？
使用不带按秩合并的并查集森林数据结构的并查集/查找算法
这是一个关于维基百科上不相交集合森林的并查集算法的分解： 裸奔的不相交集合森林...（O(n)） ... 使用按秩合并...（现在改进到O(log(n))） ...使用路径压缩（现在改进到O(a(n))，实际上是O(1)） 实现按秩合并需要每个节点保持一个rank字段进行比...
std::vector插入的摊销分析
我们如何分析std::vector中后插入(push_back)的操作？它的摊销时间为每次插入O(1)。特别地，在Stephan T Lavavej在Channel9上的视频和此处(从17:42开始)，他说为了最佳性能，Microsoft的实现方法会将向量的容量增加约1.5倍。 这个常数是如...
Haskell向量的C++ push_back类比
我发现 Haskell 的 Data.Vector.* 与 C++ 的 std::vector::push_back 功能不完全相同。虽然有 grow/unsafeGrow，但它们的时间复杂度似乎为 O(n)。 有没有一种方式可以在 O(1) 平均时间内增长向量中的元素？
拥有保证每个操作的最坏情况边界的Haskell集合？
这样的结构对于实时应用程序是必要的 - 例如用户界面。(用户不在乎点击按钮需要0.1秒还是0.2秒，但如果第100次点击强制执行一个未完成的计算并需要10秒才能继续，则他们会关心。) 我正在阅读Okasaki的论文 Purely functional data structures，他描述了...
功能型数组倍增栈的摊销
我在思考一个紧凑的堆栈结构，随着其大小增加，其空间需求逐渐接近于一个数组。一个候选结构：data Stack a = Empty | Zero (Stack a) | One !(SmallArray a) (Stack a) | Two !(SmallArray a) !(S...
动态数组的摊销时间
作为一个简单的例子，在动态数组的特定实现中，每次填满时我们会将数组的大小加倍。 因此，可能需要重新分配数组，并且在最坏情况下插入可能需要 O(n) 的时间。 然而，n 次插入可以始终在 O(n) 的时间内完成，因为其余的插入都是在常数时间内完成的，所以 n 次插入可以在 O(n) 的时间内完成...