Algorithm 什么时候是算法O（n+；m）时间？

我是在黑客级别上解决的。我解决这个问题的算法是：

获取所有玩家分数的数组。迭代所有玩家分数并创建一个新数组。让总共有n个玩家。
不包含任何重复的球员得分。让我们称之为新的 阵列，播放器核心

让Alice玩的总关卡是m

让爱丽丝在第一轮比赛后得分

让Alice的初始秩R为0

从后端开始迭代PlayerCores数组，直到得到分数小于S的玩家分数

将R设置为步骤5中找到的玩家的等级

将m减少1

打印R

现在开始处理Alice在循环中所有后续m-1级别的分数

将S设置为Alice的下一级分数

从排名为R-1的玩家开始向前端迭代PlayerCores数组

继续迭代直到你得到一个得分低于S的玩家

将R设置为在上述步骤中找到的玩家的等级

将m减少1

打印R

如果还有更多关卡要玩（即m>0），请转至步骤9.1

现在当我开始计算上述算法的大O时间复杂度时，我意识到它应该是O（n），如下所示：

需要一次扫描才能获得不重复的分数。这有助于因子n。所有分数都可能是唯一的

需要从尾部到前部进行另一次扫描，以确定Alice在每个关卡后的排名。这又导致了因子n。在最坏的情况下，级别数（m）可以等于玩家数（n）

---

加上以上两个因素，时间复杂度为O（n+n）=O（2n）=O（n）。而我的朋友声称这是O（n+m），尽管他无法充分解释。如果我对O（n+n）复杂性的表述有缺陷，有谁能帮助我理解同样的问题吗？

O（n+m）

不同于

O（n+n）

或

O（n）

当你不知道

m

和

n

之间的关系时。这可能是因为有时

n

可能比

m

大，而其他时间

m

可能更大，但没有明确的方法来判断。然而，如果你总是知道无论怎样，

n>=m

，你可以说

O（n+m）

实际上是

O（n）

。在这种情况下，同样的规则适用。

O（n+m）

不同于

O（n+n）

或

O（n）

当您不知道

m

和

n

之间的关系时。这可能是因为有时

n

可能比

m

大，而其他时间

m

可能更大，但没有明确的方法来判断。然而，如果你总是知道无论怎样，

n>=m

，你可以说

O（n+m）

实际上是

O（n）

。在这种情况下，同样的规则也适用。

我能够从相关人员那里获取响应。引用Ryan Fehr的话：

对于这个问题，O（n+n）和O（n+m）本质上是一样的， 因为它们都有相同的上限。我决定去看电影 O（n+m）表示，因为它确保 我的解决方案取决于它的级别数 在本例中由m表示

这种差异很重要的一个例子是当我们有 n（如10）的值较小，m（如10^5）的值较大。在这个 在这种情况下，对m的依赖性对于问题的复杂性非常重要 问题这也是将其表示为O（n+m）的问题，因为 如果在这种情况下m很小，而n很大，那么我们将再次看到a 我提供了对问题复杂性的错误陈述 符号

然而，Big-O表示法的优点是它代表了 所有情况下的最坏情况，因此O（n+n）的最坏情况与O（n+m）相同 因此它们是相当等价的。在这一点上，它只是一个 关于您希望如何表示对的依赖关系的偏好问题 m作为输入变量（如果您有这样的依赖项）

当然，如果您不依赖于m作为输入，那么我 认为O（n+n）=>O（n）是对 问题是我给了什么

---

我能从有关人员那里得到答复。引用Ryan Fehr的话：

对于这个问题，O（n+n）和O（n+m）本质上是一样的， 因为它们都有相同的上限。我决定去看电影 O（n+m）表示，因为它确保 我的解决方案取决于它的级别数 在本例中由m表示

这种差异很重要的一个例子是当我们有 n（如10）的值较小，m（如10^5）的值较大。在这个 在这种情况下，对m的依赖性对于问题的复杂性非常重要 问题这也是将其表示为O（n+m）的问题，因为 如果在这种情况下m很小，而n很大，那么我们将再次看到a 我提供了对问题复杂性的错误陈述 符号

然而，Big-O表示法的优点是它代表了 所有情况下的最坏情况，因此O（n+n）的最坏情况与O（n+m）相同 因此它们是相当等价的。在这一点上，它只是一个 关于您希望如何表示对的依赖关系的偏好问题 m作为输入变量（如果您有这样的依赖项）

当然，如果您不依赖于m作为输入，那么我 认为O（n+n）=>O（n）是对 问题是我给了什么

---

什么是“n”？什么是“m”？

9.2

是

9

内部的嵌套循环，因此它不是这两个循环中的任何一个。此外，一些伪代码项不够清晰，无法确定它们的复杂性