Algorithm 这个算法是'；s Big oh是n^3而不是n^2 def三角形（A）： n=len（A） 结果=0 对于x范围内的x（n）： z=x+2 对于x范围内的y（x+1，n）： 而（zA[z]）： z+=1 结果+=z-y-1 返回结果

这是Codibility（）中解决方案的一个示例

在手册中，他们声称这个算法的最大Oh是O（N^2）

我认为大Oh是O（N^3），因为最坏情况下的迭代将是O（N^3）

（n-1）（n-2）+（n-2）（n-3）+……+1*0

所以我认为它的最大值是O（N^3）

有谁能解释为什么这个算法的最大Oh是O（N^2）

---

或者我说的对吗？

对于

x

的每个值，

z

只能增加到

n

倍。一旦

z

等于

n

，则在再次增加

x

之前，不可能迭代内部循环。因此，

n

内循环的

x

的

n

迭代值给出

n^2

而

循环
z
将累计只运行一次（
（n-1）（n-2）+（n-2）（n-3）+…+1*0
可以表示为
a*n^2+b*n+c
（
a
，
b
，
c
是常量）。不是基于代码，但您认为公式仍然是
O（n^2）
。我想在（n-1）（n-2）+（n-2）（n-3）中表达的意思+..…+1*0公式是每个和有n个数，因此n*n^2将发生。感谢由“y”生成的循环不计数？y循环为x的每个值运行n次，与内循环相同。但两个内循环的总复杂度都以
n
为界。谢谢你，我在的for循环中教了初始值设定项y@TaeWonYo当
z
在
for
循环
x
范围的开头声明时，正是
z
在
for
循环
x
范围内包含的其他循环中“存在”（事实上，不能推断出
z
的其他声明，即使是隐式的）。
def triangles(A):
  n = len(A)
  result = 0
  for x in xrange(n):
    z=x+2
    for y in xrange(x + 1, n):
      while (z < n and A[x] + A[y] > A[z]):
        z += 1
      result += z - y - 1
  return result

def triangles(A):
  n = len(A)
  result = 0
  for x in xrange(n):
    z=x+2
    while (z < n)
      z += 1
    for y in xrange(x + 1, n):
      ...
  return result