Algorithm 算法的时间复杂度-n还是n*n？

我试图找出这个算法的θ复杂度。 （a是整数列表）

一方面，我可以说<代码>附录< /代码>正在执行<代码> n< /代码>（数组的长度），所以<>代码> POP，最后我要考虑的是<>代码> 条件，最多可以执行<代码> 2N次。p> 由此我可以说这个算法最多是

4*n

，所以它是θ（n）

但这不是摊销分析吗

另一方面，我可以这样说：

有两个嵌套循环。

for

循环正被执行

n次。
while
循环最多可以执行
n次
，因为我必须在每次迭代中删除项。所以复杂性是θ（n*n）

我想计算θ，但不知道这两个选项中哪一个是正确的。你能给我一些建议吗？
答案是
THETA（n）
，你的论点是正确的

这不是摊销分析

要进行摊销分析，您必须查看内部循环。如果忽略算法的其余部分，则很难说出while的执行速度。天真的方法是O（N），这是正确的，因为这是最大的迭代次数。然而，因为我们知道执行的总数是O（N）（你的论点），并且这将被执行N次，我们可以说内部循环的复杂性是O（1）摊销。
θ是（N），不在摊销分析中；我现在还没有正式的证据，但稍后我会提出一个。很酷的问题，顺便说一句。
def sttr(a):
    for i in xrange(0,len(a)):
        while s!=[] and a[i]>=a[s[-1]]:
            s.pop()
        s.append(i)
    return s