Algorithm 给出一段代码的大O计算

这些程序进行计算∑ 我用N表示数组的长度

a

第一个是O（N^2）。内部循环运行1、2、3、4、…、N-1次。该总和约为N（N-1）/2，即O（N^2）

---

第二个是O（N）。它只是在数组的长度上进行迭代。

程序的复杂性基本上是执行的指令数

当我们谈论上界时，它意味着我们正在考虑最坏情况下的事情，这是每个程序员都应该考虑的

设

n=a.长度

现在回到你的问题，你是说第一个程序的时间复杂度应该是
O（nlogn）
，这是错误的。当
i=a.length-1
时，内部循环也将从
j=0迭代到j=i
。因此，复杂性将是
O（n^2）

您判断第二个程序的时间复杂度是正确的，即
O（n）
 您能缩进您的代码吗？在程序1中，第二个循环随后执行1，2，3，…，N次迭代，在平均值上这是N/2次迭代，执行N次，即O（N/2*N）->O（N*N）->O（N^2）（事实上，你可以加上1+N-1=N，2+N-2=N，3+N-3=N，你将有N/2次N次迭代，可能的重复经常出现，值得记住。“我知道大O是最坏情况或上界。”这并不完全正确。O是数学函数增长顺序的上界。该数学函数可以描述（除其他外）最坏情况、最佳情况或平均情况下算法的运行时间。