Question

我对O（1）在算法方面的含义有点困惑。算法有一个恒定的时间，但我不确定究竟什么是恒定时间。例如，我有两个算法

public void addOne(String string) {
    LinkedList tempList = new LinkedList();
    tempList.add(string);
    mainList.add(tempList);
    size[0]++;
}

和

public void addTwo(String string, String string2) {
    LinkedList tempList = new LinkedList();
    tempList.add(string);
    tempList.add(string2);
    mainList.add(tempList);
    size[1]++;
}

这两种算法都是O（1）吗？我假设如果有一个数值变量导致它循环n次，那么它会是O（n）吗？

即。（不一定是一个实际的例子，因为在它中添加相同的字符串值，但应该给出一个想法）

public void add(String string, int n){
    LinkedList tempList = new LinkedList();
    for (int i=0; i<n; i++){
         tempList.add(string);
    }
    mainList.add(tempList);
}

Answer 1

您的观察结果是正确的¹。

前两种方法都是O(1)，因为你可以找到它必须做的操作次数的硬常量（这个常数可能在不同的机器之间变化，但它仍然是恒定的），并且因此它是O(1)。

最后一种方法确实是O(n)，因为您有n次插入，每次插入都需要一段时间，但它们在n中需要时间呈线性关系。

_{（1）假设mainList在O（1）中实现add()，否则 - 它将成为瓶颈。}

Answer 2

＆＃34; ......究竟什么才能成为一个恒定的时间。＆＃34;

如果你有一个函数或一个代码块，那么完成任务所需的时间永远不会超过某个常量，无论你传递给函数的参数是什么，或者容器中的数据量是多少（s）被操纵变化，然后该任务有资格作为恒定时间。

Answer 3

请注意，Big O没有定义您的程序所需的时间，它只定义程序的增长率，即计算时间随着输入数量的增加而增加。

在前两个示例中，即使增加输入数量，执行的语句数也保持不变。换句话说，即使您添加，例如示例2中的string3，可执行语句的数量仍然为5，使其计算保持不变。即其计算时间不会随着输入数量的增加而增加（与输入无关）。因此，它是O（1）。

但是，在第三个示例中，您使用的循环运行n次，n作为输入传递。因此，可执行语句的数量随着n线性增加。因此，如果将n传递为155，则执行变为大约是n为1时的155倍。因此，它是O（n）

与O混淆（1）

3 个答案: