Algorithm logn复杂度循环是什么样子的？

我这里有几个问题 考虑下面的循环（n＝8）

---

for（inti=1；i该循环看起来不像O（logn）。它是一个O（N/2）循环。引用定义：

函数f（x）被称为O（g（x））iff（当且仅当）存在一个正实数c和一个实数x0使得| f（x）|=x0。例如，你也可以调用循环O（N），O（N^2），O（N^3），因为你可以很容易地找到所需的参数。但是，你无法找到使O（logn）适合的参数

至于O（loglogn），我想您可以重写这里给出的插值搜索实现，以使用for循环。它平均是O（logn）！
该循环看起来不像O（logn）。它是一个O（N/2）循环。引用定义：

函数f（x）被称为O（g（x））iff（当且仅当）存在一个正实数c和一个实数x0使得| f（x）|=x0。例如，你也可以调用循环O（N），O（N^2），O（N^3），因为你可以很容易地找到所需的参数。但是，你无法找到使O（logn）适合的参数

至于O（loglogn），我想您可以重写这里给出的插值搜索实现来使用for循环。它平均是O（loglogn）！
O（logn）
循环：

for (i = 1; i <= n; i *= 2)

注意：您的循环是
O（n）
，而不是
O（logn）
。按照上面的
增量/双精度/指数化
思想，您可以使用增量重写循环：

for(int i = 1; i < n; i += 2)

for（int i=1；i

即使增加更多，它仍然是增加的，并且仍然
O（n）
O（logn）
循环：

for (i = 1; i <= n; i *= 2)

注意：您的循环是
O（n）
，而不是
O（logn）
。按照上面的
增量/双精度/指数化
思想，您可以使用增量重写循环：

for(int i = 1; i < n; i += 2)

for（int i=1；i

即使你增加了更多，它仍然是增加的，并且仍然
O（n）
你的成本不是O（logN），你的成本是O（n*logN）

阅读本手册，您将看到一个函数示例，如：


无论多项式的起始数是多少，多项式的代价都是最大的

在你的情况下是这样的

1/2*n*log（n），1/2没有区别，你的复杂性是O（n*logN）
你的成本不是O（logN），你的成本是O（n*logN）

阅读本手册，您将看到一个函数示例，如：


无论多项式的起始数是多少，多项式的代价都是最大的

在你的情况下是这样的

1/2*n*log（n），1/2没有区别你的复杂度是O（n*logN）
你在哪里看到上面的循环是O（logN）？不是。这是他们在大学里教的。循环0到n的复杂度将是O（n），k个0到n复杂度的嵌套循环将是O（n^k）。你在哪里看到上面的循环是O（logN）不是。这是他们在大学里教的。0到N复杂度的循环将是O（N），k复杂度为0到N的嵌套循环将是O（N^k）。你的答案太优雅了。@Piecuckherr
i*=2
意味着
i
在循环的每次迭代后都会加倍。
N/2
意味着你总是使用
N
的一半在你的情况下永远不会改变它的值。以
N=64
为例。你将迭代
i=1、2、3、4、5、6、7、。..，64/2=32
。我的例子将迭代
i=1,2,4,8,16,32,64
。注意区别吗？你的答案太优雅了。@piechuckerr
i*=2
意味着
i
在循环的每次迭代后都会加倍。
N/code>意味着你总是使用
N
N
的一半进行工作，永远不会改变以
n=64
为例，您将迭代
i=1,2,3,4,5,6,7，…，64/2=32
。我的示例将迭代
i=1,2,4,8,16,32,64
。注意到区别了吗？