Algorithm 时间复杂度算法分析

我已经写了一个函数，合并两个链表。（请注意，该函数基于预先给定的代码，以防您想知道我为什么调用函数

节点（i）

）

第一部分O（n） 第二部分O（n）

总体复杂度O（n）

---

还是O（n^2），因为我遍历列表两次？

遍历两次只是一个常数乘数。只要乘数不依赖于n，它仍然是O（n）。编辑：但是，请确保插入到其他列表中的时间是恒定的。如果执行时间与另一个列表的大小成正比，那么，我想你可以看到接下来会发生什么。

因为你遍历了两次列表，它是O（2n）。。哪个是O（n）。它是线性增长

此外，在大多数编程语言中，集合的长度已经被跟踪，因此您可以直接提取该属性，而不是重复两次。

O（n^2）算法的示例类似于查找两个数组中元素的交点。它是O（n^2），因为您将从第一个数组中获取第一个元素，并将其与第二个数组中的每个元素进行比较。然后取第二个元素并将其与第二个数组中的每个元素进行比较。重复一遍

---

值得思考的是，您可以通过散列一个数组中的所有元素（即O（n））将上述示例转换为O（n），然后检查第二个数组中的每个元素（也就是O（n））

一个简单的方法是使用不同的n值运行代码。例如，尝试10、100、1000、10000。。。直到你得到不平凡的时光。当你把n乘以10，时间会发生什么变化？如果n*10=>time*10，则为O（n）。如果n*10=>time*100，则为O（n2）。在这两者之间，它可能是O（n logn）。

来自一个学术的p.O.v.和一个大的Oh符号p.O.v.这是100%正确的。我认为值得注意的是，对于比较两个O（n）算法，每n个原子操作的数量也很有趣（对于原子，在这种情况下，请考虑（浮点）运算、逻辑运算和分支）

public SLL mergeUnsorted(SLL otherList)
{
    // find length of this list
    int length = 0 ;
    Iterator itr = this.iterator() ;
    while (itr.hasNext())
    {
        Object elem  = itr.next() ;
        length++ ;
    }

    // get each node from this list and
    // add it to front of otherList list
    int i = length -1 ;
    while (i >= 0)
    {
        // returns node from this list
        SLLNode ins = node(i) ;

        ins.succ = otherList.first ;
        otherList.first = ins ;
        i-- ;
    }
    return this ;
}