C++ 以下代码片段的算法复杂性

我们都知道对于像这样的代码片段

for(int i=0;i<n;i++){ //do something}

---

for（int i=0；i执行
//做某事
的次数应为n/2次

Hence complexity = O(n/2) = O(n) (same as the previous loop)

实际上，很明显，第二个循环将花费更少的时间，因为它只执行语句数的一半。然而，随着n的增长，两个循环的时间复杂度的增长将是线性的。
应该执行n/2次
//do something

Hence complexity = O(n/2) = O(n) (same as the previous loop)

for(int i=0;i<n;i++) { /* do something */ }

实际上，很明显，第二个循环将花费更少的时间，因为它只执行语句数的一半。然而，随着n的增长，两个循环的时间复杂度的增长应为线性

for(int i=0;i<n;i++) { /* do something */ }

和上面一样，这也有复杂性O（n）。注意O（n/2）=O（n）

和上面一样，这也有复杂性O（n）。请注意，O（n/2）=O（n）。
当采用大O表示法时，我们假设n是一个正集合

N可以通过两种方式生长
1-线性
2-指数

如果将n乘以整数＞1，则P>n呈指数增长。考虑代码片段

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

for（i=1；i0（您给出的代码呈线性增长）

对于线性增长，时间复杂度为O（n）

对于指数增长，时间复杂度为O（logn）

让我们考虑另一个例子
for(i=0;i<n*10;i++){//has Complexity O(n)

对于（i=0；i当采用大O表示法时，我们假设n是一个正集合

N可以通过两种方式生长
1-线性
2-指数

如果将n乘以整数＞1，则P>n呈指数增长。考虑代码片段

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

for（i=1；i0（您给出的代码呈线性增长）

对于线性增长，时间复杂度为O（n）

对于指数增长，时间复杂度为O（logn）

让我们考虑另一个例子
for(i=0;i<n*10;i++){//has Complexity O(n)

for（i=0；其复杂性应与前面的循环相同。O（n）而不是O（n^2）据我所知，您的第一个语句是O（n），除非循环中发生了其他O（n）…根据我的说法，这两个循环的复杂性将是相同的，它将是O（n）而不是O（n^2）我已经纠正了它，抱歉弄错了。复杂性应该和前面的循环相同。O（n）不是O（n^2）据我所知，你的第一个语句是O（n），除非循环中发生了其他的O（n）…根据我的观点，这两个循环的复杂性将是相同的，它将是O（n）而不是O（n^2）。我已经纠正了它，抱歉弄错了