news 2026/5/8 7:12:35

调和级数求和

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
调和级数求和

调和级数求和(Harmonic Series)模型是时间复杂度分析中稍微进阶一点的考点。它通常出现在**“跳跃式”循环或者“倍数”相关**的题目中。

如果说前面的题目是“送分题”,这个模型就是**“分水岭题”**,掌握了它,你的算法分析水平就上了一个台阶。


一、 经典代码长什么样?(识别特征)

最典型的代码特征是:内层循环的步长(increment)依赖于外层循环变量i

请看这段经典代码:

// 外层:标准的线性循环for(inti=1;i<=n;i++){// 内层:注意看步长!是 j += i,而不是 j++// 这意味着 j 每次跳跃 i 个单位for(intj=1;j<=n;j+=i){sum++;// 基本操作}}

特征识别

  1. 外层循环i从 1 到n
  2. 内层循环j每次增加i(即j遍历的是i的倍数:i,2i,3i,…i, 2i, 3i, \dotsi,2i,3i,)。

二、 为什么叫“调和级数”?(数学推导)

我们像之前一样,把每一步内层循环执行的次数列出来:

  1. i=1i = 1i=1
    j每次加 1,从 1 走到nnn。执行次数 =n/1=nn/1 = nn/1=n次。
  2. i=2i = 2i=2
    j每次加 2 (2, 4, 6…)。执行次数 =n/2n/2n/2次。
  3. i=3i = 3i=3
    j每次加 3 (3, 6, 9…)。执行次数 =n/3n/3n/3次。
  4. i=ki = ki=k
    执行次数 =n/kn/kn/k次。

总执行次数T(n)T(n)T(n)求和:
T(n)=n1+n2+n3+⋯+nnT(n) = \frac{n}{1} + \frac{n}{2} + \frac{n}{3} + \dots + \frac{n}{n}T(n)=1n+2n+3n++nn

我们提取公因数nnn
T(n)=n×(1+12+13+⋯+1n)T(n) = n \times \left( 1 + \frac{1}{2} + \frac{1}{3} + \dots + \frac{1}{n} \right)T(n)=n×(1+21+31++n1)

重点来了
括号里的部分1+12+13+⋯+1n1 + \frac{1}{2} + \frac{1}{3} + \dots + \frac{1}{n}1+21+31++n1就是数学上著名的调和级数

数学结论告诉我们:
1+12+⋯+1n≈ln⁡n+C(C 是欧拉常数)1 + \frac{1}{2} + \dots + \frac{1}{n} \approx \ln n + C \quad (C \text{ 是欧拉常数})1+21++n1lnn+C(C是欧拉常数)
换句话说,调和级数的和,增长趋势等于log⁡n\log nlogn


三、 最终复杂度

T(n)=n×O(log⁡n)=O(nlog⁡n)T(n) = n \times O(\log n) = O(n \log n)T(n)=n×O(logn)=O(nlogn)

结论
如果你看到内层循环是j += i(按倍数跳跃),那么这个两层循环的总复杂度不是O(n2)O(n^2)O(n2),而是O(nlog⁡n)O(n \log n)O(nlogn)


四、 哪里会用到这个知识点?(实战场景)

这个模型最著名的应用就是**“素数筛法”(埃氏筛,Sieve of Eratosthenes)**。

场景:找出nnn以内的所有素数。
算法逻辑

  1. 找到 2,把 2 的倍数(4, 6, 8…)划掉。
  2. 找到 3,把 3 的倍数(6, 9, 12…)划掉。
  3. 找到iii,把iii的倍数划掉。

这个“划掉倍数”的过程,代码写出来就是上面的那个循环结构。
所以,埃氏筛的时间复杂度是O(nlog⁡log⁡n)O(n \log \log n)O(nloglogn)(比nlog⁡nn \log nnlogn还要快一点点,因为外层只遍历素数,但考试中如果问通用倍数循环,答O(nlog⁡n)O(n \log n)O(nlogn)即可)。


五、 考前极速记忆卡

在你的复习表格里,可以加上这一行:

循环特征典型代码片段复杂度记忆口诀
倍数跳跃型for(i=1; i<=n; i++)
for(j=1; j<=n; j+=i)
O(nlog⁡n)O(n \log n)O(nlogn)内层加i,调和级数,结果nlog⁡nn \log nnlogn
对比:线性累加型for(i=1; i<=n; i++)
for(j=1; j<=n; j++)
O(n2)O(n^2)O(n2)内层加1,矩形面积,结果n2n^2n2
对比:指数跳跃型for(i=1; i<=n; i*=2)O(log⁡n)O(\log n)O(logn)外层乘2,折纸对半,结果log⁡n\log nlogn

掌握了这个,关于循环嵌套的时间复杂度题目,你就基本上没有盲区了。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/8 13:38:43

格子玻尔兹曼方法(LBM)的MRT作用力模型

格子玻尔兹曼方法&#xff08;LBM&#xff09;MRT作用力模型格子玻尔兹曼方法搞流动模拟的老司机都知道&#xff0c;MRT&#xff08;多松弛时间&#xff09;模型可比单松弛时间模型&#xff08;BGK&#xff09;香多了。这玩意儿最大的特点就是数值稳定性强&#xff0c;边界条件…

作者头像 李华
网站建设 2026/5/8 13:38:19

水面上划过的涟漪遇到礁石会拐弯,声波撞上超表面也得乖乖听话。今天咱们来折腾COMSOL里水声超表面的反射特性计算,这玩意儿在声学隐身和定向传声领域正热乎着呢

comsol水声超表面反射系数与反射相位计算。打开模型树先给几何结构来点硬核配置。假设咱们设计的是锯齿状超表面单元&#xff0c;用AppendAxisymmetric搞个二维轴对称模型省点计算量。材料属性直接上内置的液态水&#xff0c;密度和声速参数别照搬默认值&#xff0c;实测海域数…

作者头像 李华
网站建设 2026/5/7 10:20:30

为何选择具备制造业基因的厂商,是ERP与OA系统集成成功的关键

在当今数字化转型的浪潮中&#xff0c;企业资源计划系统与办公自动化系统的集成&#xff0c;已不再是可有可无的选项&#xff0c;而是提升运营效率、打破信息孤岛的核心举措。然而&#xff0c;面对市场上众多的集成服务商&#xff0c;企业往往陷入选择困境&#xff1a;技术参数…

作者头像 李华
网站建设 2026/5/3 4:37:39

NSGA-II实战:用Matlab玩转多目标优化

非支配排序多目标遗传算法(NSGA-II) Matlab实现——高质量版测试函数包括ZDT、DTLZ、WFG、CF和UF共46个等&#xff0c;另外附有一个工程应用案例&#xff1b;评价指标包括超体积度量值HV、反向迭代距离IGD、迭代距离GD和空间评价SP等可提供相关多目标算法定制、创新和改进多目标…

作者头像 李华
网站建设 2026/5/7 23:21:01

ESXi 8.0U3h 新增功能简介

VMware ESXi 8.0U3h 发布 - 领先的裸机 Hypervisor 同步发布 Dell (戴尔)、HPE (慧与)、Lenovo (联想)、Inspur/IEIT SYSTEMS (浪潮)、H3C (新华三)、Cisco (思科)、Fujitsu (富士通)、Hitachi (日立)、NEC (日电)、Huawei (华为)、xFusion (超聚变) OEM 定制版 请访问原文链…

作者头像 李华