Question

给定这样的函数来查找素数：

function find_the_prime(number) {
  var found = false;
  for(var i = 0; i < number; i++) {
    if(number%i == 0) {
      found = true; 
      break;
    }
  }  
  return found;
}

没有中断，最好的情况下的函数是O（1），最坏的情况是O（n）和一般情况O（n）。

你能解释一下这个突破对大o的影响吗？它有吗？

Answer 1

你的代码是O（1），因为它总是会在第二个循环上退出，因为数字％1 == 0。

如果您将代码更正为：

for(var i = 2; i < number; i++) {

然后由于@zmf所说的原因，它将是O（n）。

没有中断，即使对于“最佳情况”，也会更正确地称为O(n)，因为它仍然可以根据输入进行缩放。最小的输入不是“最佳情况”，否则所有算法都将是最佳情况O(1)。

所以O(n)没有休息，O(n)有休息，但这并不意味着休息时间明显更好更快。 big-O表示法是关于算法如何根据输入的大小缩放，而不是（必然）它的速度。有时，对于特定输入，O(n)算法可能比O(log n)算法更快。

Answer 2

这仍然是O（N），即使这是最坏的情况，O（N）就是你如何引用这个算法。它的增长率仍然取决于N.

（如果您修复了错误）

Answer 3

实际上，很有趣，你的回答是O（1）。无论你输入什么号码（只要它的数量为0），它总会在1点

用中断确定循环的大O.

3 个答案: