Question

def fd(n):
    x,y,count1,count2 = n,1,0,0
    while (x > 1): (x,count1) = (x/5,1+count1)
    while (y < n): (y,count2) = (count1+y,1+count2)
    return count2

Answer 1

我们来看看。第一个循环计算n可以除以5的次数，因此count1是log（n）（常量不计入O（）计算）。然后第二个循环计算count1（= log（n））可以添加到1到n的次数，因此它基本上循环n / log（n）次。

在我看来，这是O（log（n）+（n / log（n）））。

正如J.F. Sebastian指出的那样，n / log（n）在log（n）中占主导地位，所以最终的答案应该是O（n / log（n））。

Answer 2

我想指出，这个问题的答案取决于对我们所谈论的内容的一致意见（重要的是双重数字将被操纵的事实吗？你想要理论上的答案听起来不能令人满意吗？实际答案？）

请让我重新解释一下这个答案：https://stackoverflow.com/a/2027842/512225：

人们用大O符号快速松散地播放。

算法复杂度，因此大O符号，应根据输入的位大小来表示，而不是根据输入的值来说明。假设二进制输入和任意大数，并且N是输入的位数，N = log（n）。复杂度是O（exp（N）/ N）= O（exp（N）/ N），因为第二循环需要n / log（n）步长= exp（N）/ N步。

在实践中，谈论复杂性是有意义的，好像N是输入本身，而不是输入的大小。在这种情况下，函数的复杂性为n / log（n）。

无论如何，我们无视n由双重定义限制的事实所给出的问题，因此严格来说，谈论渐近行为（使用n - >无穷大）是没有意义的。我们也忽略了这样一个事实：如果你的输入是双倍的，它的大小是恒定的，因此你的算法的复杂性（严格地说）是O（1）（huge_constant次1），其中huge_constant等于最坏情况时间（可能是常量）取决于你用Python的双打表达的最大数字）。

汇总：

正式答案是O（1）但是O（exp（N））并不是那么糟糕的答案，O（n / log（n））也是一个很好的答案（可能你真正需要的）。

这个功能的大O是什么？

2 个答案:

汇总：