深度优先搜索Satstuma Graph(Depth first search in Satstuma Graph)
有没有简单的方法在.NET中使用Satsuma Graph进行深度优先搜索 ？ 在Satsuma文档中我发现clas DFS是抽象的，所以它不能有任何实例，我不知道如何使用它。
我是否必须为继承自satsuma.dfs的DFS创建自己的类？ 我没有找到任何使用satsuma.dfs类的例子。
谢谢
Is there any easy way to do depth first search on graph using Satsuma Graph in .NET? In the Satsuma documentation i have found that clas DFS is abstract, so it cant have any instances and i dont know how to use it.
do i have to make my own class for DFS which inherits from satsuma.dfs? I didnt find any examples of using satsuma.dfs class.
Thx
原文：https://stackoverflow.com/questions/36981421
更新时间：2019-12-09 10:04
最满意答案
你的计算错了。 我在这里假设
T(0)=0T(n) = 2T(n-1)+ 4 = 2(2T(n-2)+4)+ 4 = 4T(n-2)+ 12 = 4(2T(n-3)+4)+ 12 = 8T(n-3)+ 28 = 8(2T(n-4)+4)+ 28 = 16T(n-4)+ 60 = 16(2T(n-5)+4)+ 60 = 32T(n-5)+124 = 32(2T(n-6)+4)+124 = 64T(n-6)+252然后现在：看看序列
0,4,12,28,60,124,252,508,1020,2044,...在所有这些数字中添加4是非常诱人的：
4,8,16,32,64,128,256,512,1024,2048,...你认出来了吗？ 所以猜测很明显
T(n) = 2^(n+2) - 4现在，您可以通过归纳轻松证明它。
顺便说一下，如果
T(0)不等于0则公式为T(n) = 2^(n+2) - 4 + T(0)*2^nYour computation are wrong. I'm assuming here that
T(0)=0T(n) = 2T(n-1)+ 4 = 2(2T(n-2)+4)+ 4 = 4T(n-2)+ 12 = 4(2T(n-3)+4)+ 12 = 8T(n-3)+ 28 = 8(2T(n-4)+4)+ 28 = 16T(n-4)+ 60 = 16(2T(n-5)+4)+ 60 = 32T(n-5)+124 = 32(2T(n-6)+4)+124 = 64T(n-6)+252Then now: look at the sequence
0,4,12,28,60,124,252,508,1020,2044,...It is very tempting to add 4 to all these numbers:
4,8,16,32,64,128,256,512,1024,2048,...Do you recognize it ? So the guess is clearly
T(n) = 2^(n+2) - 4Now, you can easily prove it by induction.
By the way if
T(0)is not equal to0the formula isT(n) = 2^(n+2) - 4 + T(0)*2^n
相关问答
更多-
可以很容易地看到（或通过归纳法正式证明）T（n）是k的值从1到n的1 / k的总和。 这是n次谐波数 ，H n = 1 + 1/2 + 1/3 + ... + 1 / n。 渐近地，谐波数量按log（n）的顺序增长。 这是因为这个总和的值接近于从1到n的1 / x的积分，它等于n的自然对数。 事实上，H n = ln（n）+γ+ O（1 / n）其中γ是常数。 由此，很容易证明T（n）=Θ（log（n））。 It can be easily seen (or proven formally with ind ...
-
将T(N)除以2^N并命名结果： S(N) = T(N)/2^N 从T(N)的定义我们得到 S(N) = S(N-1) + N/2^N (eq.1) 意味着S(N)增加，但迅速收敛到常数（因为N/2^N -> 0 ）。 所以， T(N)/2^N -> constant 要么 T(N) = O(2^N) 详细证明 在下面的评论中，Paul Hankin建议如何完成证明。 取eq.1并求和从N=2到N=M sum_{N=2}^M S(N) ...
-
复发的时间复杂度T（n）= 2T（n-1）+ 4(What is the time complexity of the recurrence T(n) = 2T(n-1) + 4)[2023-04-16]
你的计算错了。 我在这里假设T(0)=0 T(n) = 2T(n-1)+ 4 = 2(2T(n-2)+4)+ 4 = 4T(n-2)+ 12 = 4(2T(n-3)+4)+ 12 = 8T(n-3)+ 28 = 8(2T(n-4)+4)+ 28 = 16T(n-4)+ 60 = 16(2T(n-5)+4)+ 60 = 32T(n-5)+124 = 32(2T(n-6)+4)+124 = ... -
由于T(n-1) = T(n-2) + ... + T(1) + 1 T(n) = T(n-1) + T(n-2) + ... + T(1) + 1 = T(n-1) + T(n-1) = 2*T(n-1) 和T(1) = 1 => T(n) = 2^(n-1) Since T(n-1) = T(n-2) + ... + T(1) + 1 T(n) = T(n-1) + T(n-2) + ... + T(1) + 1 = T(n-1) + T(n-1) = 2*T( ...
-
如果我没记错的话，当你确定了特征方程的根时，则T（n）可以是那些根的幂的线性组合。 T(n)=A1*root1^n+A2*root2^n+A3*root3^n 所以我想这里的最大复杂度将是（maxroot）^ n其中maxroot是你的根的最大绝对值。 所以对于你的情况来说它是~1.83 ^ n If I remember correctly, when you have determined the roots of the characteristic equation, then the T(n) ...
-
对于阶乘的总和，没有一个很好的封闭形式（ 确切的答案是凌乱的）。 但是，我们可以用感应来证明0！ + 1！ + 2！ + ... + n！ ≤2n！： 基本情况：0！ ≤2·0！，0！ + 1！ ≤2·1！，0！ + 1！ + 2！ ≤2·2！ 感应：0！ + 1！ + ... + k！ +（k + 1）！ ≤2k！ +（k + 1）！ ≤（k + 1）k！ +（k + 1）！ = 2（k + 1）！ 所以你的复发是从2n以上限制的！ 并且从下面通过n !,意味着你可以得到的最严格的约束是说递归求解为Θ（n ...
-
如何解决递归T（n）= 2T（n ^（1/2））+ log n？(How to solve the recurrence T(n) = 2T(n^(1/2)) + log n? [closed])[2023-09-02]
当您开始展开递归时，您会得到： 这里有一些额外的步骤： 现在使用边界条件进行递归（数字2选为0和1没有意义），您将获得： 将k替换为等式，您将获得： 这里有一些使用相同想法的递归。 T（n）= T（n ^ 1/2）+ 1 T（n）= T（n ^ 1/2）+ O（loglog（n）） When you start unrolling the recursion, you get: Here the same thing with a few additional steps: Now using the bo ... -
我这里没有使用任何常用技术。 请注意，没有基本情况。 让我们考虑T(a) = b其中a和b是常数作为基本情况。 除以'n'，得到： T(n) / n = T(sqrt(n)) / sqrt(n) + 1 使用g(k) = T(k) / k 所以g(n) = g(sqrt(n)) + 1 这基本上意味着g(n)是我们可以采用sqrt(n)在此之前我们达到常数基本情况a 。 这意味着存在k使得n^(1/2^k) >= a和n^(1/2^(k+1)) < a 。 令n^(1/2^k) = a => n = a^( ...
-
通常，您需要对T（0）和T（1）做一些假设，因为它们中会有指数多个，它们的值可能决定T（n）的函数形式。 但是在这种情况下它似乎并不重要。 然后，可以通过找到它们的特征多项式来求解这种形式的递归关系。 我找到了这篇文章： http ： //www.wikihow.com/Solve-Recurrence-Relations 我获得了具有根3和1的特征多项式，因此猜测形式T(n) = c_1*3^n + c_2 。 特别是， T(n) = 1/2*3^n - 1/4满足递推关系，我们可以验证这一点。 1/2* ...
-
渐近时间复杂度非常大。 在您的示例中，由于问题指定k是固定的，因此唯一相关的复杂性是最后一个。 请参阅Wikipedia正式定义 ，具体如下： 当n增长到无穷大时，主导T(n) = T(n / 2) + 1的递归。 您也可以使用形式定义证明这一点，基本上选择x_0 = 10 * k并显示使用前两种情况可以找到有限M 应该清楚log(n)和n^2满足定义，因此更紧密的约束是渐近复杂度。 The asymptotic time complexity is taking n large. In the case ...