时间复杂度

这种题目是数据结构与算法考研（如408）或面试中的高频送分题 ，但也是高频陷阱题。

复习这类题目，不要靠"猜"或者"死记硬背"，而是要掌握一套**"数学建模"**的方法。一旦你建立了数学直觉，这类题看一眼就能选出答案。

以下是我总结的复习经验、技巧和核心知识点体系：

---

一、 核心复习心法：拒绝"直接相乘"，学会"级数求和"

很多同学做错这道题（选C O(nlog⁡n)O(n \log n)O(nlogn)），是因为用了错误的直觉：

"外层循环看起来是 log⁡n\log nlogn 次，内层循环看起来是 nnn 次，乘起来就是 nlog⁡nn \log nnlogn。"

❌ 错误原因 ：当内层循环的次数 j < i 依赖于 外层循环变量 i 时，绝对不能直接相乘 ！必须把每次循环的次数写出来，进行求和。

---

二、 三大经典模型（必背）

在复习时，你只需要把这三种最常见的循环模型搞定，90%的题目都能解决。

模型 1：等差数列模型（结果是 O(n2)O(n^2)O(n2)）

特征 ：外层线性增长（i++），内层依赖外层（j < i）。

for (int i = 0; i < n; i++) {      // 0, 1, 2, ..., n
    for (int j = 0; j < i; j++) {  // 内层执行 i 次
        // ...
    }
}

• 数学分析 ：
  第1次执行0次，第2次执行1次......第n次执行 n−1n-1n−1 次。
  总次数 S=0+1+2+⋯+(n−1)S = 0 + 1 + 2 + \dots + (n-1)S=0+1+2+⋯+(n−1)。
  这是等差数列求和 ，公式是 n(n−1)2\frac{n(n-1)}{2}2n(n−1)，最高次项是 n2n^2n2。
• 结论 ：O(n2)O(n^2)O(n2)

模型 2：等比数列模型（你的这道错题，结果是 O(n)O(n)O(n)）

特征 ：外层指数增长（i *= 2），内层依赖外层（j < i）。

for (int i = 1; i < n; i *= 2) {   // 1, 2, 4, 8, ...
    for (int j = 0; j < i; j++) {  // 内层执行 i 次
        // ...
    }
}

• 数学分析 ：
  iii 的取值序列是 1,2,4,8,...,2k1, 2, 4, 8, \dots, 2^k1,2,4,8,...,2k (其中 2k<n2^k < n2k<n)。
  总次数 S=1+2+4+8+⋯+2kS = 1 + 2 + 4 + 8 + \dots + 2^kS=1+2+4+8+⋯+2k。
  这是等比数列求和 （公比为2）。
  记忆技巧 ：在二进制世界里，等比数列的和 ≈\approx≈ 最后一项乘以2 。
  所以 S≈2⋅2kS \approx 2 \cdot 2^kS≈2⋅2k。因为 2k2^k2k 接近 nnn，所以总和接近 2n2n2n。
• 结论 ：O(n)O(n)O(n)

模型 3：独立对数模型（结果是 O(nlog⁡n)O(n \log n)O(nlogn)）

特征 ：外层线性增长（i++），内层不依赖 具体数值，而是固定倍增（j *= 2）。

for (int i = 0; i < n; i++) {       // 执行 n 次
    for (int j = 1; j < n; j *= 2) { // 每次都执行 log n 次
        // ...
    }
}

• 数学分析 ：
  外层固定跑 nnn 次。
  内层每次都跑 log⁡2n\log_2 nlog2n 次（和 iii 无关）。
  这是真正的"直接相乘"场景。
  总次数 S=n×log⁡2nS = n \times \log_2 nS=n×log2n。
• 结论 ：O(nlog⁡n)O(n \log n)O(nlogn)

---

三、 解题通用步骤（复习操作指南）

考试遇到任何看不准的题，按这三步走：

第一步：列出 iii 的变化序列

不要只看 for，要在草稿纸上写出 iii 具体变成了多少。

• 例题中：i=1,2,4,8,16,...i = 1, 2, 4, 8, 16, \dotsi=1,2,4,8,16,...

第二步：写出每一步内层语句执行的次数

• 例题中：当 i=1i=1i=1 执行1次，当 i=2i=2i=2 执行2次，当 i=4i=4i=4 执行4次......

第三步：列式求和并判断量级（最关键）

• 式子：1+2+4+⋯+最后一项1 + 2 + 4 + \dots + \text{最后一项}1+2+4+⋯+最后一项。
• 判断技巧 ：
  • 如果是 1+2+3... (均匀增加)，总量级是最后一项的平方 -> O(n2)O(n^2)O(n2)。
  • 如果是 1+2+4... (越加越大，成倍增加)，总量级由最后一项 决定（前面的加起来都没最后一项大），直接看最后一项是谁 -> O(n)O(n)O(n)。
  • 如果是 n + n/2 + n/4... (越加越小)，总量级由第一项 决定 -> O(n)O(n)O(n)。

---

四、 避坑经验总结

1. 看到 i *= 2 别急着选 log⁡n\log nlogn：

   • 如果它单独出现，是 log⁡n\log nlogn。
   • 如果它作为外层循环，且内层循环是 j < i（累加型），答案通常是 O(n)O(n)O(n)。
   • 如果它作为外层循环，且内层循环是 j < n（固定型），答案是 O(nlog⁡n)O(n \log n)O(nlogn)。

2. 对数级的本质 ：

   只有当问题规模每次缩减一半 （如二分查找）或者循环变量每次乘以2 且独立执行 时，才会出现 log⁡n\log nlogn。

3. 常数项忽略 ：

   如果是 i *= 3 或者 i += 2，分析方法一样。

   • i *= 3 依然是等比数列，O(n)O(n)O(n)。
   • i += 2 依然是等差数列，仅系数变化，O(n2)O(n^2)O(n2)。

五、 应该掌握的数学公式

复习时，把这三个公式背下来，考试就能横着走：

1. 等差数列求和 ：
   1+2+⋯+n=n(n+1)2⇒O(n2)1 + 2 + \dots + n = \frac{n(n+1)}{2} \Rightarrow O(n^2)1+2+⋯+n=2n(n+1)⇒O(n2)
2. 等比数列求和 (q>1q > 1q>1) ：
   1+2+4+⋯+2k=2k+1−1⇒O(2k)=O(n)1 + 2 + 4 + \dots + 2^k = 2^{k+1} - 1 \Rightarrow O(2^k) = O(n)1+2+4+⋯+2k=2k+1−1⇒O(2k)=O(n)
3. 调和级数求和 （较难题目会考）：
   1+12+13+⋯+1n≈ln⁡n⇒O(log⁡n)1 + \frac{1}{2} + \frac{1}{3} + \dots + \frac{1}{n} \approx \ln n \Rightarrow O(\log n)1+21+31+⋯+n1≈lnn⇒O(logn)
   (考点：比如 for(i=1;i<n;i++) 里面套一个 for(j=1; j<n; j+=i))

复习建议 ：

把你做过的所有时间复杂度题目拿出来，按上面的三大模型进行分类。你会发现90%的题目都逃不出这个圈子。这样复习完，你心里就非常有数了。