本節給出了幾個確定重複、序列和選擇語句的 Big O 的範例。
考慮以下循環的時間複雜度：
for (int i = 1; i
k = k + 5;
}
這是一個常數時間，c，用來執行
k = k + 5;
由於循環執行了n次，因此循環的時間複雜度為
T(n) = (常數 c)*n = O(n).
理論分析預測了演算法的效能。為了了解演算法的執行情況，我們執行下面程式中的程式碼來取得 n = 1000000、10000000、100000000 和 100000000 時的執行時間。
我們的分析預測了這個循環的線性時間複雜度。如範例輸出所示，當輸入大小增加 10 倍時，運行時間約增加 10 倍。執行結果證實了預測。
以下循環的時間複雜度是多少？
for (int i = 1; i
for (int j = 1; j
k = k + i + j;
}
}
這是一個常數時間，c，用來執行
k = k + i + j;
外循環執行n次。對於外循環中的每次迭代，內循環都會執行 n 次。因此，循環的時間複雜度為
T(n) = (常數 c)*n*n = O(n^2)
時間複雜度為 O(n^2) 的演算法稱為二次演算法，它表現出二次成長率。隨著問題規模的增加，二次演算法會快速成長。如果將輸入大小加倍，演算法的時間就會增加四倍。具有嵌套循環的演算法通常是二次的。
考慮以下循環：
for (int i = 1; i
for (int j = 1; j
k = k + i + j;
}
}
外循環執行n次。對於 i = 1, 2, c ，內循環執行一次、兩次和 n 次。因此，循環的時間複雜度為
考慮以下循環：
for (int i = 1; i
for (int j = 1; j
k = k + i + j;
}
}
內循環執行20次，外循環執行n次。因此，循環的時間複雜度為
T(n) = 20*c*n = O(n)
考慮以下序列：
for (int j = 1; j
k = k + 4;
}
for (int i = 1; i
for (int j = 1; j
k = k + i + j;
}
}
第一個迴圈執行 10 次，第二個迴圈執行 20 * n 次。因此，循環的時間複雜度為
T(n) = 10*c + 20*c*n = O(n)
考慮以下選擇語句：
if (list.contains(e)) {
System.out.println(e);
}
其他
for (物件 t: 列表) {
System.out.println(t);
}
假設列表包含n個元素。 list.contains(e) 的執行時間為 O(n)。 else 子句中的迴圈需要 O(n) 時間。因此，整個語句的時間複雜度為
考慮整數 n 的 a^n 計算。一個簡單的演算法將 a 乘以 n 次，如下所示：
結果 = 1;
for (int i = 1; i
結果 *= a;
此演算法需要 O(n) 時間。不失一般性，假設 n = 2^k。您可以使用以下方案改進演算法：
結果 = a;
for (int i = 1; i
結果 = 結果 * 結果;
此演算法需要 O(logn) 時間。對於任意的n，你可以修改演算法並證明複雜度仍然是O(logn)。
為了簡單起見，由於 0(logn) = 0(log2n) = 0(logan)，所以省略了常數基數。
以上是例：確定大 O的詳細內容。更多資訊請關注PHP中文網其他相關文章！
