我们如何计算 BIG-OH 表示法中以下代码的时间复杂度？答案

【问题标题】：How can we calculate the time complexity for the following piece of code in BIG-OH Notation?我们如何计算 BIG-OH 表示法中以下代码的时间复杂度？
【发布时间】：2021-03-24 14:24:35
【问题描述】：

def exercise2(N):
    count=0
    i = N
    while ( i > 0 ):
        for j in range(0,i):
            count = count + 1
        i = i//2

我们如何知道 while 和 for 循环的时间复杂度？编辑：许多用户向我发送链接以了解使用 Big-OH 分析的时间复杂度。我很感激，但我理解的 CS 中唯一的语言是 python，所有这些解释都使用 java 和 C++，这让我很难理解。如果有人能用 python 解释时间复杂度那就太好了！

【问题讨论】：

这能回答你的问题吗？ Big O, how do you calculate/approximate it?
@Dissy 用其他计算机语言给出解释是很常见的，而不是你可能不习惯的。你有责任找到相似之处并概括学习一个主题。我敢打赌，如果您花一些时间在上面的链接上，您将能够解开 C 代码。对不起tough love。
@oaxacamatt 所以我经历了它并理解了一些概念。现在使用它们，我处理了这段代码。我只是想验证我是否得到了正确的答案。这个 O(n) 的时间复杂度是多少？
@Dissy 第一次恭喜你在大学尝试，第二次我注意到你还有问题，让我们看看...

标签： python-3.x algorithm time-complexity

【解决方案1】：

内部循环（for）在i 中运行，i 最多在log(N) 步骤中从N 下降到1。因此，时间复杂度为N + N/2 + N/4 + ... + 1 = N(1 + 1/2 + 1/4 + ... + 1/2^k) = \Theta(N)。对于后一个方程，您可以假设N = 2^k，因为我们正在计算渐近时间复杂度。

【讨论】：