使用 Big-O 计算操作次数
用通俗方式理解从常数级到平方级
使用 Big-O 计算操作次数 是 CoddyKit 上的免费 Competitive Programming Academy 课时。 这是第 1 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Competitive Programming Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Competitive Programming Academy 课程共包含 4 节课。
为什么要计算操作次数
在竞赛中，速度决定胜负。与其给代码计时，不如估算它需要执行多少步。这个估算就是它的时间复杂度。🚀
认识 Big-O
Big-O描述的是输入规模 n 增大时，操作次数如何增长。它忽略细节，关注主要趋势。
常数时间 O(1)
当工作量始终与 n 无关时，复杂度就是O(1)。读取一个列表元素或执行一次加法，所需时间始终相同。
x = arr[0]
y = a + b线性时间 O(n)
对 n 个元素执行一次简单循环就是O(n)。输入规模翻倍，工作量大致也会翻倍。这是最常用的基础复杂度。
for x in arr:
total += x二次时间 O(n²)
对 n 个元素执行嵌套循环就是O(n^2)。当 n = 1000 时，这需要一百万步，之后增长会非常快。
for i in range(n):
for j in range(n):
check(i, j)对数时间 O(log n)
当每一步都将问题规模减半时，复杂度就是O(log n)。二分查找只需大约 30 步，就能处理十亿个元素。✨
增长阶梯
从快到慢，常见的复杂度顺序是：O(1)、O(log n)、O(n)、O(n log n)、O(n^2)。越靠前，扩展性越好。
去掉常数因子
Big-O 会忽略常数因子，因此O(2n)就是 O(n)。执行两遍仍然是线性增长，所以这个乘数不会改变复杂度类别。
只保留最大项
当多个项相加时，只需考虑增长最快的那一项。O(n^2 + n)可以简化为 O(n^2)，因为 n 增大时 n^2 远大于 n。
顺序循环与嵌套循环
两个前后执行的循环相加，得到O(n + n) = O(n)。两个嵌套循环相乘，得到 O(n^2)。循环的结构会告诉您答案。
先考虑最坏情况
竞赛评测使用最难的测试，因此您应当分析最坏情况。假设循环会完整执行，而不是提前返回。
快速检查
现在来测试您对 Big-O 的直觉。
回顾
现在您可以从代码中看出增长趋势：O(1)、O(n)、O(n^2) 和 O(log n)。去掉常数，只保留最大项，并考虑最坏情况。🎯
常见问题解答
「使用 Big-O 计算操作次数」课时是免费的吗？
是的 — 「使用 Big-O 计算操作次数」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Competitive Programming Academy 课程的其余内容，请升级到 CoddyKit PRO。 Competitive Programming Academy 课程共包含 4 节课。
「使用 Big-O 计算操作次数」这节课中我会学到什么？
用通俗方式理解从常数级到平方级 你通过在浏览器中直接运行的动手代码来练习 Competitive Programming Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Competitive Programming Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Competitive Programming Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 1 节课，共 4 节。
「使用 Big-O 计算操作次数」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Competitive Programming Academy 课中编写并运行代码吗？
能。每节 Competitive Programming Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 使用 Big-O 计算操作次数
- 10^8 经验法则
- 阅读约束并选择复杂度
- TLE 为什么发生以及如何发现