Javascript 这个解决方案的时间复杂度是O（N）还是O（LogN）？

考虑到这一点：

if (largestHole > (bin.length - i) && subHole < (bin.length - i)) {
  break;
}

仍然是O（n）。复杂性没有考虑系数。此外，O（logn）函数类似于二进制搜索

编辑：O（对数n）算法的简单解释： 以二进制搜索为例。比如说，有一个从1到100的数字x，它隐藏在一个包含n个从1到100的数字的排序数组中。从数组的中间开始，根据中间数字相对于x的大小，搜索数组的左半部分或右半部分。该过程将递归进行，直到找到数字

例如，我想在[1,3,5,6,7,9,10]中找到5。 我从第四名开始。它是6，比5大，所以我们搜索左半部分，从1到5。然后，我再次检查缩小范围内的中间位置，即3。它小于5，所以我们搜索右半部分。此时，我们只剩下一个数字，即5

搜索会将数组一分为二，因此最坏的情况是使用log2n（以2为底的对数n）。这是一个O（logn）函数

然而，正如我所说，复杂性系数并不重要。例如，冒泡排序通常需要大约（n^2）/2圈，但我们只是将其计算为O（n^2），忽略1/2系数。

仍然是O（n）。复杂性没有考虑系数。此外，O（logn）函数类似于二进制搜索

编辑：O（对数n）算法的简单解释： 以二进制搜索为例。比如说，有一个从1到100的数字x，它隐藏在一个包含n个从1到100的数字的排序数组中。从数组的中间开始，根据中间数字相对于x的大小，搜索数组的左半部分或右半部分。该过程将递归进行，直到找到数字

例如，我想在[1,3,5,6,7,9,10]中找到5。 我从第四名开始。它是6，比5大，所以我们搜索左半部分，从1到5。然后，我再次检查缩小范围内的中间位置，即3。它小于5，所以我们搜索右半部分。此时，我们只剩下一个数字，即5

搜索会将数组一分为二，因此最坏的情况是使用log2n（以2为底的对数n）。这是一个O（logn）函数

---

然而，正如我所说，复杂性系数并不重要。例如，冒泡排序通常需要大约（n^2）/2圈，但我们只是将其计算为O（n^2），忽略1/2系数。

我同意O（n），但实际上它取决于parseInt函数的实现。

我同意O（n），但实际上它取决于parseInt函数的实现。

parseInt（a，b）是什么do？函数遍历所有的数字，所以它是O（n）（其中n是输入值中的二进制位数）。若要成为O（logn），它必须有很大的不同。@YogeshPatil它意味着使用基b解析a。@YogeshPatil No.O（n/2）仍然是O（n）。parseInt（a，b）做什么？函数遍历所有数字，所以它是O（n）（其中n是输入值中的二进制位数）。要成为O（logn），它必须有显著的不同。@YogeshPatil它意味着使用base b解析a。@YogeshPatil No.O（n/2）仍然是O（n）。请你能更好地解释一下你的意思吗？请你能更好地解释一下你的意思吗？

让bin=parseInt（n，10）。toString（2）

parseInt将数字从基数10转换为基数2@SeyiAdekoya该语句单独生成函数O（n），因为

.toString（2）

部分将迭代生成二进制数字字符串，一次生成一个parseInt将数字从基数10转换为基数2@SeyiAdekoya只有该语句才能生成函数O（n），因为

.toString（2）

部分将迭代生成二进制数字字符串，一次生成一个。

function solution(N) {
  let bin = parseInt(N, 10).toString(2);
  let subHole = 0;
  let largestHole = 0;
  for (var i = 0; i < bin.length; i++) {
    if (largestHole > (bin.length - i) && subHole < (bin.length - i)) {
      break;
    }
    if (bin[i] === '0') { subHole++; }
    else {
      if (subHole > largestHole) {
        largestHole = subHole;
      }
      subHole = 0;
    }
  }
  return largestHole;
}