Algorithm 以下方法的Big-O复杂性是什么？

我在下面有一个方法，我想知道大O的复杂性

public FinalPrepDeque<E> listUnion(FinalPrepDeque<E> lst2) {

          FinalPrepDeque<E> lst3 = new FinalPrepDeque<E>();

          Iterator<E> it1 = this.iterator();

          while (it1.hasNext()) { // O(n)
              E val = it1.next();
              if (val != null)
                  lst3.addLast(val);
          }

          Iterator<E> it2 = lst2.iterator();

          boolean found;
          while (it2.hasNext()) { // O(n)
            E val2 = it2.next();
            if (val2 != null) {

            found = false;
            it1 = this.iterator();

            while (it1.hasNext()) { // O(n)
              E val1 = it1.next();
              if (val1 != null) {
              if (val1.equals(val2)) {

                found = true;
                break;
              }
             }
            }
            if (!found)
              lst3.addLast(val2);

          }
          } // end outer-while

          return lst3;
        }

public FinalPrepDeque列表联合（FinalPrepDeque lst2）{
FinalPrepDeque lst3=新的FinalPrepDeque（）；
迭代器it1=this.Iterator（）；
while（it1.hasNext（））{//O（n）
E val=it1.next（）；
如果（val！=null）
lst3.addLast（val）；
}
迭代器it2=lst2.Iterator（）；
布尔发现；
while（it2.hasNext（））{//O（n）
E val2=it2.next（）；
if（val2！=null）{
发现=错误；
it1=this.iterator（）；
while（it1.hasNext（））{//O（n）
E val1=it1.next（）；
if（val1！=null）{
if（val1.等于（val2））{
发现=真；
打破
}
}
}
如果（！找到）
lst3.addLast（val2）；
}
}//结束时
返回lst3；
}

---

我知道第一个while循环的复杂性为

O（n）

，第二个while循环的复杂性为

O（n^2）

。在这种情况下，我们是否丢弃第一个

O（n）

，保留第二个

O（n^2）

，并说此方法的复杂性为

O（n^2）

？或者我们保留它，并说它的复杂性为O（n+n^2）？

你保留增长率最大的部分，因此O（n^2）。

用大O表示法，你有：

n1 + n2 * n3 = n + n^2 = O(n + n^2) = O(n^2)

---

n1

是你的第一个

而
，
n2
是你的第二个
而
n3
是第三个
，而
是第二个。
所以我们在这种情况下只需将较小的n值去掉？Downvoter，为什么是Downvoter？这很好地回答了这个问题。非常感谢。