Algorithm n/2时间复杂性值得吗？

假设我的任务是将两个给定点之间的所有奇数整数推到一个数组中。大多数人想到的第一件事就是通过mod check从点a迭代到点b，以推进到数组中。 如果有足够大的数据集，下面的内容实际上是一种优势还是完全没有必要

findOddNums(start, end){
  let output = []
  let iter = start
  if(start%2 > 0) {
    output.push(start)
    iter+=2
  }else iter++

  while(iter<=end){
    output.push(iter)
    iter+=2
  }
  return output
}

findOddNums（开始、结束）{
让输出=[]
让iter=启动
如果（开始%2>0）{
输出推送（启动）
iter+=2
}else iter++
而（iter从技术上讲，它将是O（d/2），其中d是端点之间的距离（结束-开始）。为什么是d/2？因为在一个范围（+-1）中偶数和奇数一样多，所以你从你找到的第一个奇数开始，然后从那里以2的步骤迭代。所以O（n/2）不好，O（d/2）是的，是的，是的，处理每一个项目比处理每一个项目要少得多。请考虑这个代码：

for (int x = start; x <= end; ++x)
{
    if (x % 2 != 0)
    {
        // do whatever
    }
}

for（int x=start；x不太可能，但基准是………..O（N/2）=O（N）as N->infinity…没有“N/2时间复杂度”这样的东西。
O（…）
是一个包含多个函数的集合。
O（N）
的集合与
O（N/2）的集合相同
。两者都包含在同一个集合中，即线性函数集合。通常人们仅用
O（n）来表示该集合
。每次你问自己某个东西在实践中是否真的更快，你都必须测量它。没有办法。如果你对项目以及CPU和编译器优化等所有影响知之甚少，很难估计运行时间。你必须测量它。如果你将“每一个奇数”改为“每一个1模3的数”然后是“1 mod 4”，然后……最终你会得到一个使循环更快的模。因此，在库中可能值得这样做。
O（d/2）
通常用
O（d）
表示，这是一组线性函数。没错，我指的是大θ，但我的键盘上没有大θ：）是的。但那没关系。它仍然是一组线性函数。
Theta（d）
那么。哈哈，好吧，你赢了。让我继续一点：
d
线性依赖于
n
，所以它仍然是
O（n）
：）
start = (start + 1) - (start % 2);
for (int x = start; x <= end; x += 2)
{
    // do whatever
}