Algorithm 计算计算复杂性（大O）

第一个For循环的值为n，第二个嵌套循环的值为n-1。那么这会使O（n）：

O（2n-1）只要做（n+n）-1

或者通过做（n*n）-1是O（n^2-1）

---

谢谢你的帮助，我只是想澄清一下。我的猜测是，因为我们有一个嵌套的For循环，所以我们必须乘以n乘以n-1，然而我只是认为我可以通过得到其他人的意见来更好地保证自己

多亏了斯莫尔才得到了答案。因为循环不是嵌套的，所以大O应该是O（2n-1）。

对于循环，有两个独立的（非嵌套的）

n
项目排队，然后
n
项目出列，复杂性为排队或出列复杂性的O（n）倍。如果队列操作复杂性为O（1），则过程的复杂性为O（n），但如果队列操作复杂性为O（ln），则过程的复杂性为O（n ln）。
提示：我没有看到嵌套的for循环。啊。。如果它不是嵌套的，那么我们只是加上，所以答案是O（2n-1）？O（2n-1）相当于O（n）。嗯，如果给定O（2n-1）和O（n）之间的选择，我应该选择O（n）？通常，一个是简单的形式，而不是更复杂的形式。对于大O，你关心的是当n接近无穷大时会发生什么，所以当n接近无穷大时，2n-1接近n，因此O（2n-1）->O（n）
Algorithm 1. QUEUESTUFF(n)
Input: Integer n
1) Let Q = an empty Queue
2) For i = 1 to n
3) Q.Enqueue(i)
4) End For
5) For i = 1 to n-1
6) Let X = Q.Dequeue()
7) End For
8) Let X = Q.Dequeue()
Output: The contents of X

What is the computational complexity O(n) for algorithm QUEUESTUFF?