Algorithm 嵌套for循环的时间复杂度

以下示例循环的时间复杂度为O（n^2） 谁能解释一下为什么是O（n^2）？因为它取决于c的值

回路1---

---

for（int i=1；i这些代码的每一部分都需要一个时间O（n^2/c^2）。c在这里可能被认为是一个严格的正常数，因此O（n^2/c^2）=O（n^2）。但这一切都取决于上下文…
对于每个固定的c，时间都是O（n^2）。迭代次数大致最大（n^2/c^2，n^2），除非c=0。n^2/c^2是O（n^2）对于每一个固定的n

如果您的代码在循环过程中更改了c，您可能会得到不同的答案。
大O表示法是算法复杂性的相对表示。

Big-O并没有说明您的算法在任何情况下都会进行多少次迭代

它表示在最坏的情况下，您的算法将进行n次平方计算。如果您必须比较两种算法，这将非常有用

在你的代码中，如果我们假设c是一个常数，那么它可以从Big-O符号中忽略，因为Big-O是关于比较和事物如何缩放的，而常量不起作用

但是当c不是常数时，正确的大O表示法应该是O（n^2/c^2）

阅读cletus对Big-O的精彩解释。
再次阅读第二个循环！第二个循环中应该是
i-=c
？是的，很抱歉是i=i-c
 for (int i = 1; i <=n; i += c) 
 {
    for (int j = 1; j <=n; j += c) 
    {
      // some O(1) expressions
    }
 }

 for (int i = n; i > 0; i -= c) 
 {
    for (int j = i+1; j <=n; j += c)
   {
      // some O(1) expressions
   }
 }