我正在阅读 Big O符号。它说，
循环的大O是循环的迭代次数 循环中的语句数量。
以下是代码段
for (int i=0 ;i<n; i++)
{
cout <<"Hello World"<<endl;
cout <<"Hello SO";
}
现在根据定义，Big O应该是 O（n * 2），但它是 O（n）。任何人都可以解释为什么会帮助我吗？ 谢谢你。
答案 0 :(得分：16)
如果检查O（）表示法的定义，您将看到（乘数）常数无关紧要。
在循环中要完成的工作是而不是 2.有两个语句，对于每个语句，你必须做几个机器指令，可能是50，或78，或者其他，但这与渐近复杂度计算完全无关，因为它们都是常数。它不依赖n。这只是O（1）。
O(1) = O(2) = O(c) where c is a constant.
O(n) = O(3n) = O(cn)
答案 1 :(得分：6)
O（n）用于使循环再次成为一个数学函数（如n ^ 2，n ^ m，..）。
所以如果你有这样的循环
for(int i = 0; i < n; i++) {
// sumfin
}
循环所采用的最佳描述数学函数是用O（n）计算的（其中n是0..infinity之间的数字）
如果你有这样的循环
for(int i =0 ; i< n*2; i++) {
}
意味着需要O（n * 2）;数学函数= n * 2
for(int i = 0; i < n; i++) {
for(int j = 0; j < n; j++) {
}
}
此循环需要O（n ^ 2）时间; math funciton = n ^ n 通过这种方式，您可以计算出你的循环需要多长时间n 10或100或1000
这样你就可以为循环等构建图形。
答案 2 :(得分：3)
Big-O表示法按设计（按定义）忽略常数乘数，因此O（n）和O（2n）完全相同。我们通常写O（n）因为它更短且更熟悉，但O（2n）意味着相同。
答案 3 :(得分：3)
首先，不要把它称为“大O”。这是错误的和误导性的。您真正想要找到的是渐近将作为n的函数执行多少指令。考虑O（n）的正确方法不是作为一个函数，而是作为一组函数。更具体地说：
O（n）是所有函数f（x）的集，使得存在一些常数M和一些数x_0，其中对于所有x＆gt; x_0，f（x）＆lt; M x。
换句话说，当n变得非常大时，在某些时候，函数的增长（例如，指令的数量）将由具有一些常系数的线性函数限制。
取决于您如何计算指令，循环可以执行不同数量的指令，但无论它最多只迭代n次。因此，指令数量为O（n）。如果它重复6n或.5n或100000000n次，或者即使它只执行恒定数量的指令也没关系！它仍然属于O（n）中的函数类。
为了进一步扩展，类O（n * 2）= O（0.1 * n）= O（n），并且类O（n）严格包含在类O（n ^ 2）中。结果，该循环也在O（2 * n）中（因为O（2 * n）= O（n）），并且包含在O（n ^ 2）中（但上限不紧）。 / p>
答案 4 :(得分：0)
O（n）表示循环时间复杂度随元素数量线性增加。
2 * n仍然是线性的，所以你说循环的顺序为O（n）。
但是，您发布的循环是O（n），因为循环中的指令需要恒定时间。常数的两倍仍然是常数。
答案 5 :(得分：0)
通常big O表示法表示函数中的主要操作数。
在这个对n个元素的过度运作。所以复杂性 O（n）。
肯定不是 O（n ^ 2），因为二次方是这些算法的复杂性，比如冒泡排序，它将输入中的每个元素与所有其他元素进行比较。
记住，冒泡排序，为了确定插入元素的正确位置，将每个元素与列表中的其他元素进行比较（冒泡行为）。
最多，您可以声称您的算法具有复杂性 O（2n），因为它为输入中的每个元素打印了2个短语，但是在big O符号O中（ n）是O（2n）。