所以我有一个非常简单的问题。我有一个数字列表1-N（迭代1），列表中的一个数字丢失。我试图确定我的两个解决方案中的哪一个在Big-Oh方面更快。
第一种算法： 对列表进行排序，然后一次遍历列表中的一个数字，直到找到比最后一个数字大1位数的数字。此时已找到丢失的数字。
第二种算法： 我按原样保留清单。我创建另一个数组，所有数字1-N已经排序。我遍历这个新列表中的每个数字，并将其与原始列表中的数字进行比较。一旦我在原始列表中找到该号码，我就从列表中删除该号码（并在这样做时减小该列表的大小，假设这是一个动态数据结构）。我为每个号码都这样做。如果一个数字遍历整个列表并且列表大小相同，那就是缺少的数字。
我认为算法2会更快，只是因为它减少了列表的大小而且最多只能完成1次完整传递，最多它应该是O（1）（如果你点击了搜索右边的数字）蝙蝠）。
第一个算法是O（nlogn），因为你正在进行排序，然后再次迭代列表。
或许他们都是O（nlogn）？自从昨晚以来，这一直困扰着我，因为这看起来很简单。
答案 0 :(得分：10)
计算它们的总和然后从它应该是的总和（n（n + 1）/ 2）中取得计算的总和
ShouldBeSum = N * (N+1) / 2;
MissingNumber = ShouldbeSum - CalculatedSum
答案 1 :(得分：1)
只是补充kikyalex的答案，第二种算法会更慢，因为对于排序列表中的每个数字，您必须在原始列表中找到它，每次执行O（n）搜索。所以第二个算法是O（n ^ 2）。
答案 2 :(得分：0)
首先是O（n * logn）+ O（n）即O（n * logn），而第二个是O（n ^ 2），因为平均搜索需要O（n）并且n元素因此需要O（ N * N）。
答案 3 :(得分：0)
如所描述的第二个（改变第二个列表的长度）是O（N ^ 2）
然而，它可以做成O（N）稍作修改（虽然也是O（N）内存） 首先找到列表中的最小值O（N） 然后初始化一个全零布尔数组，列表O（N）的大小全为false 每次将数组[number-minNumber]更改为true O（1）时，查看第一个列表O（N）* 检查数组是否为O（N） 所以总O（N），并与重复
虽然如果你答应没有重复，那么Alexandru Chichinete的答案更快（并且记忆更少）一旦修改到一分钟不是很简单，这很容易 （原始问题中从未提及最小数字1）