估计算法的运行时间（第 2 部分）

let total = 0;
for (let i = 0; i 



<p><strong>运行时间：</strong><br><br>
此代码运行时间为<strong>o(n)</strong>。这是一个简单的循环，遍历数组的每个元素一次。</p>


<hr><h3>
  
  
  <strong>2.嵌套 for 循环</strong>
</h3>



<pre class="brush:php;toolbar:false">for (let i = 0; i 



<p><strong>运行时间：</strong><br><br>
这是两个普通循环，每个循环运行 ( n = a.length ) 步骤。由于它们是嵌套的，因此它们的运行时间成倍增加，导致总体运行时间为 <strong>o(n²)</strong>。对于外循环的每次 ( n ) 次迭代，内循环都会运行 ( n ) 次。</p>


<hr><h3>
  
  
  <strong>3.三个嵌套循环</strong>
</h3>



<pre class="brush:php;toolbar:false">for (let i = 0; i 



<p><strong>运行时间：</strong><br><br>
此代码运行时间为<strong>o(n³)</strong>。从技术上讲，由于第二个和第三个循环没有运行数组的完整长度，因此我们可以将其写为 <strong>o(n(n - 1)(n - 2))</strong>。然而，我们关注最重要的项，即 <strong>o(n³)</strong>，因为随着 ( n ) 的增长，低阶项变得微不足道。</p>


<hr><h3>
  
  
  <strong>4.顺序循环</strong>
</h3>



<pre class="brush:php;toolbar:false">let count = 0, count2 = 0;
for (let i = 0; i 



<p><strong>运行时间：</strong><br><br>
这里的运行时间是 <strong>o(n + n) = o(2n)</strong>，它简化为 <strong>o(n)</strong> 因为我们忽略了 big o 表示法中的常量。</p>


<hr><h3>
  
  
  <strong>5.恒定时间操作</strong>
</h3>



<pre class="brush:php;toolbar:false">let w = a[0];
let z = a[a.length - 1];
console.log(w + z);

let c = 0;
let stop = 100;
for (let i = 0; i 



<p><strong>运行时间：</strong><br><br>
尽管存在循环，此代码仍会在 <strong>o(1)</strong> 时间内运行。无论数组有多大，循环始终运行 100 次。请注意，a.length 从未出现在代码中，使得运行时间恒定。</p>


<hr><h3>
  
  
  <strong>7.对数循环</strong>
</h3>



<pre class="brush:php;toolbar:false">let sum = 0;
for (let i = 1; i 



<p><strong>运行时间：</strong><br><br>
此代码运行时间为<strong>o(log n)</strong>。循环变量呈指数增长：1, 2, 4, 8, 16, 32, 64, 128, ...只需10步即可达到1000，20步即可达到100万，30步即可达到10亿。</p>

<p>到达 ( n ) 的步数由求解 ( 2^x = n ) 决定，其解为 <strong>log2(n)</strong> （通常写为 <strong>log(n)</strong>).</p>


<hr><h3>
  
  
  <strong>8.具有对数内循环的嵌套循环</strong>
</h3>



<pre class="brush:php;toolbar:false">let n = a.length;
for (let i = 0; i  1) {
        sum += m;
        m /= 2;
    }
}

let total = 0;
let i = 0;
while (i = 0; j--) {
        total += a[i] * a[j];
    }
}