performance - 时间复杂度-计算算法的最坏情况

我正在阅读一些关于时间复杂度的信息，我很困惑如何实现以下时间复杂性，如果有一套特定的规则或方法来解决这个问题？
（一）

Input: int n
for(int i = 0; i < n; i++){
   print("Hello World, ");
}
for(int j = n; j > 0; j--){
   print("Hello World");
}

紧：6N+5
大O:O（n）
2个）

Input: l = array of comparable items
Output: l = array of sorted items
Sort:
for(int i = 0; i < l.length; i++){
     for(int j = 0; j < l.length; j++){
         if(l{i} > l{j}){
} }
     Swap(l{i},l{j});
}
return ls;

最坏情况时间复杂度：4N2+3N+ 2＝O（N2）

最佳答案

在第一个示例中，数组有n个元素，您要遍历这些元素两次第一次从索引0开始到i，第二次从索引n开始到0。所以，为了简化这一点，我们可以说你花了2n。在处理大O符号时，你应该记住我们关心的是界限：
因此，o（2n）=o（n）
O（an+b）=O（n）

Input: int n                        // operation 1
    for(int i = 0; i < n; i++){    // operation 2
    print("Hello World, ");       // Operation 3
   }
for(int j = n; j > 0; j--)       // Operation 4
   {
   print("Hello World");        //Operation 5
    }

如您所见，我们在循环之外总共有5个操作。
在第一个循环中，我们执行三个内部操作：检查i是否小于n、打印“Hello World”和递增i。
在第二个循环中，我们还有三个内部操作。
所以，我们需要的操作总数是：3n（对于第一个循环）+3n（第二个循环）+5（循环外的操作）。因此，所需的步骤总数为6n+5（这是您的严格限制）。
如前所述，o（a n+b）=n，因为一旦一个算法是线性的，当n非常大时，a和b不会产生很大的影响。
所以，你的时间复杂度将变成：O（6n+1）＝O（n）。
在第二个示例中，您可以使用相同的逻辑，同时记住两个嵌套循环使用n而不是n。