我需要一些帮助来计算Big-O运行时间。
我在每个问题发生后都试图这样做，但不确定它是否正确完成。
问题1：鉴于以下代码片段，它的Big-O运行时间是多少？
["banana", "apple", "kiwi", "orange"]T（n）= c1 + n *（n）
= c1 + n ^ 2
O（n）≈n^ 2
问题2：给定3以下代码片段的Big-O运行时间是什么？
test = 0
for i in range(n):
for j in range(n):
test= test + i *j
T（n）= c1 * n + c2（n * n）
T（n）= c1 * n1 + c2n ^ 2
O（n）≈n^ 2
问题3：鉴于以下代码片段，它的Big-O运行时间是什么？
for i in range(n):
test=test+1
for j in range(n):
test= test - 2
T（n）= n *（c1 + c2）
O（n）≈n
答案 0 :(得分：2)
你是对的。
for i in range(n)为O(n)，嵌套意味着乘法，因此O(n^2)是正确的。
不，顺序评估是添加，因此连续两个循环是O(n)+O(n)=O(n)。
不，每次迭代减半 n，因此复杂度为O(log(n))。
答案 1 :(得分：0)
首先，让我们从您的术语开始，O(n)≈f(n)不是正确的术语，正确的说法T(n)位于O(f(n))，其中T(n)是复杂的代码的功能，f(n)是给定的复杂性，因此T(n)位于O(n^2)，例如。
第一个代码快照：
这确实是O（n ^ 2），你的分析是正确的。
第二段代码：
这是O（n ^ 2），假设第二个循环嵌套在第一个循环中（你的标识不清楚），再次 - 你的分析是正确的。
这些是顺序循环 - 每个循环都取
如果不是这种情况，则O(n)，因此总复杂度是它们的加法，这也会产生O(n)。 / p>
第三代码快照：
这是O(logn)。每次迭代将i减半，直到i达到0.这种情况发生在将log_2(n)除以2的~/.gradle/wrapper/dists/gradle-3.3-all/55gk2rcmfc6p2dg9u9ohc3hw9/
步骤中。