Java fnB中大O符号的执行时间是多少？

我有两个函数，我需要在大O中找到这两个函数的执行时间，但是我对fnB感到困惑

int fnA(int n){
  int sum = 0;
  for(int i=0; i<n; i++){
    for(int j=n; i<j; j=j-2){
      sum += i*j;

 }
   return sum;
}

intfna（intn）{
整数和=0；
for（int i=0；iBig-O表示法可用于表示算法的时间复杂度或空间复杂度

在您的程序中，函数fnA的时间复杂度可以认为是O（n^2），因为它有两个嵌套的
for
循环。但是，由于条件
i
fnA
的运行时间是O（n2）

然而，
fnB
的运行时间为O（n2logn），因为它有log2n次迭代，每次迭代都需要O（n2）时间（实际上需要O（size2），但是由于
size
n
，我们可以将其与O（n2）绑定）

更详细的解释是：

fnA（n）
在外循环中有
n
迭代，在内循环中最多有
n/2
迭代，这给出了O（n2）上界。由于
fnB（n）
的每次迭代调用
fnA（size）
，它需要O（size2）==O（n2）（因为
大小
n
）

现在，
fnB（n）
的循环将以下值分配给
size
：20，21，22，…，2k，其中2k Big-O表示法是关于计算复杂性，而不是执行时间。对于fnA，它实际上是O（n）。您的内部For循环将永远不会执行。抱歉，我在我的代码
中犯了一些错误（int j=0；我把它改为j=n你能指出logn迭代的来源吗，不应该是2^n吗？@stevielol size得到以下值：2^0，2^1，2^2，…，2^k，其中2^k还有一个问题，你如何得到每次迭代都需要O（n^2）时间？很抱歉这个愚蠢的问题question@stevielol这是一个上限。fnA（n）在外循环中有n次迭代，在内循环中最多有n/2次迭代，这给出了O（n^2）的上界。由于fnB的每次迭代调用fnA（大小），它取O（大小^2）=O（n^2）（大小fnA
是
O（n^2）
，同意，但
fnB
是
O（1^2）+O（2）+O（4^2）++O（n^2）
，它减少到
O（n^2）
，因为当
n
向无穷远处移动时，所有较低的平方变得可以忽略。--例如，如果
n=256
，那么
logn
是8，那么如果
fnB
是
O（n^2logn）
，正如你所说的，那么它将是
O（n^2*32）
，但那不是真的。我已经编辑了我的代码，现在结果应该不同了。现在时间复杂度是O（n^3）。
int fnB(int n) {
  int sum =0;
  for(int size = 1; size<n; size=2*size){
    sum+=fnA(size);
  }
   return sum;
}