Question

https://codility.com/programmers/lessons/1-iterations/

考虑到这一点：

if (largestHole > (bin.length - i) && subHole < (bin.length - i)) {
  break;
}

如果到目前为止最大孔的长度小于剩余数字的长度，则检查它是否会打破循环

此行let bin = parseInt(N, 10).toString(2);用于将数字从基数10转换为基数2字符串，这是我迭代的内容。

function solution(N) {
  let bin = parseInt(N, 10).toString(2);
  let subHole = 0;
  let largestHole = 0;
  for (var i = 0; i < bin.length; i++) {
    if (largestHole > (bin.length - i) && subHole < (bin.length - i)) {
      break;
    }
    if (bin[i] === '0') { subHole++; }
    else {
      if (subHole > largestHole) {
        largestHole = subHole;
      }
      subHole = 0;
    }
  }
  return largestHole;
}

https://codility.com/programmers/lessons/1-iterations/

Answer 1

仍然是O（n）。复杂性没有考虑系数。此外，O（log n）函数就像二进制搜索。

编辑： O（log n）算法的简单解释：以二进制搜索为例。你有一个数字x，比如1到100，它隐藏在一个排序数组中，包含从1到100的n个数字。你从数组的中间开始，取决于比较中间数的大小到x，你搜索数组的左半部分或右半部分。该过程以递归方式继续，直到找到该号码。

例如我想在[1,3,5,6,7,9,10]中找到5。我从第四名开始。它是6，它大于5，所以我们从1到5搜索左半部分。然后，我在窄范围内再次检查中间位置，即3。它小于5 ，所以我们搜索右半边。此时我们只剩下一个数字 - 即5。

搜索会将数组分成两半，因此最糟糕的情况是log 2 n（n的基数2对数）。那是一个O（log n）函数。

然而，正如我所说，复杂系数并不重要。例如，冒号排序通常需要大约（n ^ 2）/ 2圈，但我们只计算为O（n ^ 2），忽略1/2系数。

Answer 2

我同意O（n）但实际上它取决于parseInt函数的实现。

什么是此解决方案的时间复杂度O（N）或O（LogN）？

2 个答案: