Algorithm 算法分析，算法的时间复杂度 m=1； 因为（i=1；i

内循环将迭代1次，然后2次，然后…，然后2^n次。所以我们有

1+2+4+…+2^n=2^（n+1）-1=O（2^n）

内循环的迭代

内部循环的一次迭代具有恒定的复杂性，因此

求和内部循环的复杂性=O（2^n）

---

整个复杂性是O（2^n）

我更喜欢从内到外看这些问题。除去

m

，我们有：

m=1;
for(i=1;i<=n;i++){
    m=m*2;
    for(j=1;j<=m;j++){
        do something that is O(1)
    }
}

---

对于（i=1；i形式上和系统上，您可以使用Sigma表示法：

不可以。你可以乘以
n
，或者得到求和的内部循环复杂度（更好），但这两种方法都意味着你计数过多。答案应该是
O（2^n）
。我认为应该是O（2^n），正如蒂皮姆所解释的那样。
for(i=1;i<=n;i++){
    for(j=1;j<=2^i;j++){
        do something that is O(1)
    }
}

for(i=1;i<=n;i++){
    O(2^i)
}