我很难理解如何计算最坏情况下的运行时间和总体运行时间。由于有一个while循环，因此运行时间必须为n + 1，因为while循环必须再运行1次才能检查情况是否仍然有效？我也一直在网上搜索有关如何进行解释的好方法计算这些运行时间，但我似乎找不到任何好的方法。链接到这样的东西将不胜感激。
view1答案 0 :(得分：0)
恒定的因素或增加的值对于big-O运行时间并不重要，因此您将其复杂化了。 O(n)的运行时间为reverse2（线性），O(n**2)的运行时间为reverse1（二次）（因为list.insert(0, x)本身是O(n)的操作，执行了O(n)次）。
Big-O运行时计算涉及的是算法随着输入大小向无穷大增加时的行为方式，较小的因素在这里无关紧要； O(n + 1)与O(n)相同（就此而言，O(5n)也是如此；随着n的增加，5的常数倍数与无关更改），O(n**2 + n)仍然只是O(n**2)，依此类推。
答案 1 :(得分：0)
由于两个函数的输入列表的任何给定大小的迭代次数都是固定的，因此“最差”的时间复杂度将与“最佳”和“平均值”相同。
在void Start()
{
if (CheckInternets.InternetON)
{
//do some stuff
Debug.Log("OTHER Script Check :: Online! :)");
}
else
{
//do some other stuff
Debug.Log("OTHER Script Check :: Offline! :(");
}
}
中，将项目插入索引为0的列表的操作要花费 O（n），因为它必须将所有项目复制到其后续位置，并加上reverse1循环迭代输入列表大小的次数，while的时间复杂度将为 O（n ^ 2）。
reverse1中没有这样的问题，但是，由于reverse2方法的执行成本仅为 O（1），因此其总体时间复杂度为 O（n）。
答案 2 :(得分：0)
我将为您提供数学解释，说明为什么恒定时间的额外迭代和操作无关紧要。
这是O（n），因为Big-Oh的定义是对于f（n）∈O（g（n）），存在一些常数 k，使得f（n）<千克（n）。
考虑一种运行时间表示为f（n）= 10000n + 15000000的算法。您可以通过将n分解为因子来简化此算法：f（n）= n（10000 + 15000000 / n）。对于最坏的运行时，您只关心n的超大值的算法性能。因为在这种简化中，您要除以n，所以在第二部分中，当n变得很大时，n的系数将接近10000，因为如果n很大，则15000000 / n接近0。因此，对于n> N（这意味着对于n足够大的值），必须存在一个常数k，使得f（n） 话虽如此，这意味着即使循环n + 1次，您也不必担心运行时的持续差异。唯一重要的部分（对于多项式时间）是代码中n的最高阶。反向算法是O（n）运行时，即使您迭代n + 1000次，它仍然是O（n）运行时。