Time complexity 分析该函数的时间复杂度

假设do_某物是O（1），我如何计算这个函数的时间复杂度

function run(n) {
  for(var i = 1; i <= n; i++) {
    var counter = 1;
    while(counter <= n) {
        for (var j = counter; j >= 1; j--) {
             do_something();
        } 
        counter = counter * 2;
    }

  }
}

函数运行（n）{
对于（var i=1；i计算每件事情的复杂性并不简单，因为有些函数（例如collatz猜想）不知道精确的分析。在这种情况下，您可以进行经验分析，猜测哪种运行时类最匹配

与您的样品相关：

外部for循环被调用n次
while循环称为log（n）次
内部for循环称为计数器时间，其中计数器增长2^m。但计数器会重新计算日志（n）次
这意味着循环的内部指数（2^m）称为m=log（n）次。
所以你有2^（logn）=n log（2）=n

反之亦然。内部指数函数称为对数时间。表示对数（2^m）->（2^n=2^m）->m=n

您还可以简单地创建一个从m=0到m=log（n）的2^m之和，即2n-1->O（n）

然后你必须将外部for循环的线性时间乘以while循环的线性时间（包括内部for循环）。因此你有O（n*n）=O（n²）时间。
可以计算出精确的步数

外部循环运行n次
while和最内部的循环是计数器的每个值的运行计数器时间，它们是
1,2,4,8，…，2^（位长度（n）-1）
其总和为
2^位长度（n）-1
其中
位长度（n）=trunc（ln（n）/ln（2））+1

将这两个值相乘，即可得出精确的步数：

n*（2^位长度（n）-1）

近似复杂度为O（n2），因为
O（2^位长（n）-1）=O（n）
您能详细说明一下如何得到nlog（n）吗？