Question

我想确认我的想法对于以下代码的最坏情况/最佳案例场景是正确的：

def function2(L, x):
ans = 0
index = len(L)
while (index > 0):
    i = 0
    while i < 1000000:
        i = i + 1
    ans = ans + L[index - 1]
    index = index // 2

if (x == L[-1]):
    return ans
else:
    for i in range(len(L)):
        ans = ans + 1
return ans

我认为最好的情况是O（sqrt（n））因为索引// 2是它最好的因素。我认为最坏的情况是o（n + sqrt（n）因为else语句正在添加常量运行时。这是正确的吗？

Answer 1

我认为最好的情况是O（sqrt（n））因为索引// 2是它最好的因素。

不太确定你的意思＆＃34;索引// 2是它最好的因素＆＃34;。无论您有什么输入，索引// 2都将成为＆＃34;因素＆＃34;最佳/最差/平均情况。

每次迭代都会将

index减少一半，因此您的循环复杂度不是sqrt(n)而是log(n)。（请查看here以获取有关原因的更详细说明。）

我认为最坏的情况是o（n + sqrt（n）因为else语句正在添加常量运行时。

小心使用＆＃34; O＆＃34; vs＆＃34; o＆＃34;。 Little-o完全是一个完全不同的符号，你不想让他们感到困惑。（在复杂性中添加n不是添加常量运行时，n是变量而不是常量）

Big-O是包含上限，因此对于：

最佳案例，当x == L[-1]时，代码在 O（登录）时间内运行。
最坏情况，当x != L[-1]时，第一个循环在 O（logn）时运行，第二个循环在 O（n）中运行时间。由于Big-O正在寻找上界，因为我们知道O（n）比O（logn）花费更多时间，我们的复杂性只是 O（n）

大O - 最坏情况/最佳案例确认

1 个答案: