Algorithm 以下代码的渐近时间复杂度是多少？

你是怎么想出大O符号的

float sum = 0 ; 
    for ( int i = 1; i < n ; i++)
    {
    sum + = A[i];
    }
    cout << sum;

浮点和=0；
对于（int i=1；i你问这个真是太好了。我只是在课堂上复习了一遍，问了同样的问题。大O表示法用于描述算法的效率或复杂程度

O（1）是同时执行的算法。这是最有效的算法类型。比如说

bool bigO(String[] big)
{
if(big[0] == null)
{
    return false;
}
return true;
}

bool bigO(String[] strings, String value)
{
for(int i = 0; i < strings.Length; i++)
{
    if(strings[i] == value)
    {
        return true;
    }
}
return false;
}

bool bigO(String[] strings)
{
for(int i = 0; i < strings.Length; i++)
{
    for(int j = 0; j < strings.Length; j++)
    {
        if(i == j) 
        {
            continue;
        }

        if(strings[i] == strings[j])
        {
            return true;
        }
    }
}
return false;
}

还有O（N），它取决于输入的大小。比如说

bool bigO(String[] big)
{
if(big[0] == null)
{
    return false;
}
return true;
}

bool bigO(String[] strings, String value)
{
for(int i = 0; i < strings.Length; i++)
{
    if(strings[i] == value)
    {
        return true;
    }
}
return false;
}

bool bigO(String[] strings)
{
for(int i = 0; i < strings.Length; i++)
{
    for(int j = 0; j < strings.Length; j++)
    {
        if(i == j) 
        {
            continue;
        }

        if(strings[i] == strings[j])
        {
            return true;
        }
    }
}
return false;
}

bool bigO（字符串[]字符串，字符串值）
{
for（int i=0；i

正如您所知，根据输入，此方法可能需要更长的时间来执行。如果strings.Length很小，则速度会很快，但如果长度较大，则需要一段时间

然后是O（N^2）。这涉及it自身中的多个循环。它可以是O（N^3），这取决于嵌套迭代的深度。比如说

bool bigO(String[] big)
{
if(big[0] == null)
{
    return false;
}
return true;
}

bool bigO(String[] strings, String value)
{
for(int i = 0; i < strings.Length; i++)
{
    if(strings[i] == value)
    {
        return true;
    }
}
return false;
}

bool bigO(String[] strings)
{
for(int i = 0; i < strings.Length; i++)
{
    for(int j = 0; j < strings.Length; j++)
    {
        if(i == j) 
        {
            continue;
        }

        if(strings[i] == strings[j])
        {
            return true;
        }
    }
}
return false;
}

bool bigO（String[]strings）
{
for（int i=0；i

现在看看你的算法，你认为你的算法是什么？
如果你说O（N）你是对的。大O表示法取决于算法的效率。效率取决于
CPU（时间）使用率，
，内存使用率
，磁盘使用率
和网络使用情况在这段代码中，唯一会影响运行时间的参数是
n
（
A[i]
的实际值并不重要，因为浮点加法的时间不依赖于操作数值-至少作为第一近似值）。因此，将运行时间分析为
n
的函数

我们有两个赋值和一个输出语句（
sum=0
，
i=1
，
coutsum
）执行一次。我们还看到一个循环，它被精确地
n-1
次；它执行一个比较、两个整数相加和一个跳转（
i
、
i++
、
sum+=a[i]
、
for
）

假设所有基本操作都需要一个恒定的时间量，我们可以得出结论，对于两个常量
a
和
B
，运行时间正好是
a+B.n

在渐近条件下（即当
n
达到您想要的最大值时），您只关心函数的整体行为。所以你只需要看占支配地位的术语A.n，你甚至可以隐藏常量A。这就是为什么你说运行时间是以
O（n）
为界的，称为线性时间。
提供了一些帮助，说明了如何在一般情况下做到这一点。@ghost不，当然你是对的-完全的大脑崩溃时刻。当你没有定义n代表什么时，避免使用O（n）符号。这种分析有点肤浅，值得一些精确。运行时间随着字符串内容的变化而变化：搜索可以立即成功，也可以不成功；它也可能失败；这就是为什么关注最坏情况下的行为是有意义的。第二种算法的最坏情况是搜索失败；将每个给定字符串与目标进行比较；在最坏的情况下，字符串比较所需的时间与最短的字符串相同；假设目标与任何给定字符串一样长，最坏情况下的时间是O（M），其中M表示字符串中的字符总数