此解决方案O（N）或O（LogN）的时间复杂度是多少？

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的孔的长度小于要检查的其余数字的长度，则会中断循环

这行let bin = parseInt(N, 10).toString(2); 是将数字从10转换为2的字符串，这就是我迭代的过程。

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

仍为O（n）。 复杂度不考虑系数。 另外，O（log n）函数将类似于二进制搜索。

编辑： O（log n）算法的简单说明：以二进制搜索为例。 您有一个从1到100的数字x，它被隐藏在一个包含从1到100的n个数字的排序数组中。您从数组的中间开始，具体取决于中间数字与x的大小，搜索数组的左半部分或右半部分。 该过程以递归方式继续进行，直到找到该数字为止。

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，大于5，因此我们将左半部分从1到5进行紧缩。然后，在缩小的范围3中再次检查中间位置。它小于5，因此我们搜索右半部分。 此时，我们只剩下一个数字-5。

搜索将数组一分为二，因此最坏的情况将是log 2 n（n的以2为底的对数）。 那是一个O（log n）函数。

但是，正如我所说，复杂度的系数并不重要。 例如，冒泡排序通常需要大约（n ^ 2）/ 2圈，但我们将其简单地计算为O（n ^ 2），而忽略了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。