在triangular时运行的算法的正确大O表示法是什么？这是一个例子：
func(x):
for i in 0..x
for j in 0..i
do_something(i, j)
我的第一直觉是O(n²)，但我并不完全确定。
答案 0 :(得分：15)
是，N *（N + 1）/ 2，当你删除常数和低阶项时，会得到N平方。
答案 1 :(得分：1)
是的，O(n^2)绝对是正确的。如果我没记错的话，O总是上限，所以O(n^3) IMO也应该是正确的，就像O(n^n)或其他什么一样。但是O(n^2)似乎是最容易被扣除的最紧张的。{/ p>
答案 2 :(得分：0)
如果以数学方式考虑，您计算的三角形区域为((n+1)^2)/2。因此，这是计算时间：O（（（n + 1）^ 2）/ 2）
答案 3 :(得分：0)
对于该代码，计算时间增加因子N *（N + 1）/ 2。这基本上是O（N ^ 2）。
答案 4 :(得分：0)
当输入从N增加到2N时 然后算法的运行时间将从t增加到4t
因此，运行时间与输入大小的平方成正比
所以算法是O（n ^ 2）
答案 5 :(得分：-2)
O（！n）处理因子计算（三角时间）的情况。
它也可以表示为O（n ^ 2），这似乎有点误导，因为执行的数量总是将是O（n ^ 2）的一半。执行。