Performance 如何计算所创建算法的理论运行时间？

我需要一些帮助来分析我的算法，以确定其理论运行时间。我想我知道如何分析其中的大部分。我不知道如何分析包含for循环的while循环。我会提供我的算法，然后是我认为/知道的

---

我的算法：

def getD（a）：
校正=[]#校正值列表
比较=0#比较计数器
#使用所有0初始化更正列表
对于范围（0，len（a））中的i：
更正。追加（0）
flag=True#循环控制
而(旗):
flag=False
#循环列表
对于范围（0，len（a）-1）内的i：
当前=a[i]#当前元素值
nxt=a[i+1]#下一个元素值
dif=nxt-（电流+1）
#更正nxt项。。i+1。比较++
如果（dif<0）：
比较+=1
校正[i+1]=dif
a[i+1]=dif
flag=True
d=整数（（最大（修正）+1）/2）
#平衡更正
对于范围内的i（len（a））：
校正[i]=d
印刷品（d）
打印（“比较次数：”，比较）

---

我的分析： n=输入列表的长度（a）

主要的操作是3 for循环和while循环

循环的第一个迭代n次。。因此，它的运行时间为n.

最后一个for循环也会迭代n次。。将校正应用于每个元素，因此其运行时间也为n.

---

对于上述循环的2个。。我想总的运行时间是2n？但是对于整个算法的运行时间，还有更多需要添加的内容

这是我开始挣扎的地方：

左侧的主要操作（我相信）是while循环，其中for循环在内部。for循环最多运行。但是如果dif<0，它将再次从i=0开始运行for循环

---

我不确定这部分的运行时间是多少，也不确定整个算法的运行时间是多少。如何使用最后一个for循环计算while？如何将它们组合在一起？

for的第一个

循环始终运行n次迭代，因此是O（n）

最后一个
for
循环始终运行n次迭代，因此为O（n）

中间的
for
循环（在
while
循环中）总是运行n-1次迭代，因此是O（n）

现在，在循环执行时，
将执行多少次迭代？它似乎是可变的，但是让我们更仔细地看一下< <代码> >内的<代码>：循环：

for i in range(0,len(a)-1):
    current = a[i] #current element value
    nxt = a[i+1] #next element value
    dif = nxt - (current + 1)

    #correct the nxt item.. i+1. comparisons++
    if(dif < 0):
        comparisons += 1
        corrections[i+1] -= dif
        a[i+1] -= dif
        flag = True

与论坛网站不同，我们不使用“感谢”或“感谢任何帮助”或签名。请参阅“.顺便说一句，这是“提前感谢”，而不是“提前感谢”。Cool@JohnSaunders感谢您执行每一条规则。不是执行，只是通知。
for i in range(0,len(a)-1):
    current = a[i] #current element value
    nxt = a[i+1] #next element value
    dif = nxt - (current + 1)

    #correct the nxt item.. i+1. comparisons++
    if(dif < 0):
        comparisons += 1
        corrections[i+1] -= dif
        a[i+1] -= dif
        flag = True

corrections = [0] * len(a)