Java 嵌套循环时间复杂性

对于给定的代码，大O表示法的时间复杂度是多少

for(i = 1; i <= n; i *= 2)
    for(j = 0; j <= i; j++)
          some_constant_statement 

for（i=1；i外循环是
O（logn）
，因为它的运行次数与logn（一些数字n）成比例

内部循环（仅由其自身执行）是
O（n）
，因为它的运行次数与某个数字n成正比。这对于外部循环的每次迭代都是如此，因为时间复杂度保持不变，即它总是与调用时
n
的值成正比

整个代码是
O（n log（n））
。通常表示“在某个数字n乘以log（n）的顺序上”

大O表示法用于分类，而不是量化。它给出了所讨论的函数在不同大小的数据集上如何执行的一些概念。两个被描述为具有
O（n log（n））
性能的函数在
n
的给定值下可能会有很大的变化。时间复杂度将是O（nlog（n）），但这是一个渐进的复杂性。如果你想要它运行的实际次数，它将比上界小一点。
你能做的是把它可视化，就是用N的小值来追踪整个过程

在这种情况下，假设N=8

i = 1: j = 0  => 2 times
       j = 1
i = 2: j = 0  => 3 times
       j = 1
       j = 2
i = 4: j = 0  => 5 times
       j = 1
       j = 2
       j = 3
       j = 4
i = 8: j = [0,8] => 9 times

等等，以获得更大的N值

因此，它不是线性增加，而是以某种指数方式增加，在绘制一个较大值的图并找到上界函数时，如果你在数学上倾向于证明它，你会证明它有一个上界O（nlog（n））。
那么时间复杂度是O（n.logn）还是O（n）？在这本书中，复杂度是O（n）那么哪个是correct@H.Das
O（n.log（n））
内部循环本身的复杂性是
O（n）
。你到底在问什么？内部代码的复杂性还是整个代码的复杂性？我在问整个代码的复杂性
O（n.log（n））
，但它有所不同。当
n
为16时，内部循环运行31次。当
n
为15时，内部循环运行15次。