我无法解决问题;有人能帮助我吗？
以下声明的Big O表示法是什么： -
for (int i=2;i<=n;i=i*4)
sum++;
答案 0 :(得分：12)
一旦我成倍增长，它就是O（log（n））。
如果n大16倍，预计循环次数只会比它多两次。
答案 1 :(得分：5)
尝试计算n的一些（小）值的循环次数，然后绘制结果图（水平轴上的n，垂直轴上的循环计数）。当你第一次学习时，解决问题是很好的。
根据您为n选择的值，您可能看不到该模式。例如，对于n = 10和n = 20，循环计数是相同的。考虑到循环计数何时发生变化，也会发现一种可以告诉你大O时序的模式。
一旦您对算法时序有了更好的理解，您就不需要经历这个耗时的过程。您将能够通过代码分析以代数方式找出大O时序。
答案 2 :(得分：4)
我认为大O符号的方式是需要多长时间才能完成，这就是复杂性。例如，如果您有一个冒泡排序，当您转到要排序的项目时，需要大约n * n次操作才能完成，即O（N ^ 2）。
对于二进制搜索，当您增加n的大小时，您可以使用log2（n）操作来查找该值。由于操作次数是以log为单位，因此O（log N）用于二进制搜索（其中log是2的log）。
对于你所拥有的，增加你有N次操作（即使你偏移），因为它以线性方式增加，即O（N）。这是线性搜索的符号，因为它可能需要n / 2个选项作为平均值才能找到一个值，它仍然是O（N）。
我会看Wikipedia on O(N) notation。它有更多的技术解释，以及更多大的O符号信息。
答案 3 :(得分：3)
一旦您知道i的起点和乘数是＆gt; 1，它们的确切值在big-O项中没有区别（它们只转换为添加或乘以核心组件O(log N)的常数，并且这些常量在big-O推理中被忽略 - 这就是核心点大O推理，毕竟!!!）。
答案 4 :(得分：1)
由于你是做家庭作业，你真正需要做的就是回到第一原则;即O符号的数学定义。计算出当'n'增加时有多少简单的计算步骤，以代数方式计算出限制，然后继续回答。
在实践中，大多数人根据对经典例子和经验的了解来估计“O”的复杂性。而且经常他们弄错了。
答案 5 :(得分：0)
假设“sum ++”是常数，这是一个非常合理的假设，算法是O（log 4 n）。
因为循环从2变为n，你知道它最多是O（n）。但是，因为每个循环的增量乘以4，所以在循环中花费的时间会少得多。
答案 6 :(得分：0)
i的前4个值是2,8,32,128，所以显示循环将经历多少次迭代的公式是：
（（的log（n）/日志（2））/ 2）0.5