news 2026/8/21 7:32:44

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 2026/8/21 23:38:43

【计算机毕设】基于深度学习的人体摔倒识别方法与实现

&#x1f49f;博主&#xff1a;程序员&#xff1a;小俊SDN作者、博客专家、全栈领域优质创作者 &#x1f49f;专注于计算机毕业设计&#xff0c;大数据、深度学习、Java、小程序、python、安卓等技术领域 &#x1f4f2;文章末尾获取源码数据库 &#x1f308;还有大家在毕设选题…

作者头像 李华
网站建设 2026/8/21 23:39:14

一种“看起来很稳”,却暗藏坑点的恒流 PWM 驱动电路

最近看到有“电工猴”分享了一个恒流 PWM 驱动电路&#xff0c;第一眼看上去相当规整&#xff0c;功能也很诱人&#xff1a; 恒流 PWM&#xff0c;一步到位。 考虑到这种方案在实际项目中很可能会被用到&#xff0c;这里干脆系统拆一遍&#xff0c;顺便把其中的坑也挖出来给大…

作者头像 李华
网站建设 2026/8/21 10:26:37

国产DevOps平台Gitee如何重塑中国技术团队的协作范式?

国产DevOps平台Gitee如何重塑中国技术团队的协作范式&#xff1f; 在数字化转型浪潮下&#xff0c;中国技术团队正面临前所未有的协作效率挑战。作为本土领先的DevOps平台&#xff0c;Gitee通过深度适配国内开发环境的安全合规体系与全流程工具链&#xff0c;正在重新定义技术团…

作者头像 李华
网站建设 2026/8/21 6:23:58

低幻觉AI:重塑科研与教育领域的可信智能新范式

当AI的推理能力经得起数学猜想的严格检验&#xff0c;人机协作便从“工具使用”升华为“智能伙伴”关系 在AI技术迅猛发展的今天&#xff0c;一个核心痛点日益凸显&#xff1a;大模型幻觉问题。在科研领域&#xff0c;一个虚构的公式可能导致数月研究功亏一篑&#xff1b;在教…

作者头像 李华
网站建设 2026/8/21 21:47:38

一篇文章让你读懂_Cache / DMA / 一致性

Cache / DMA / 内存&#xff0c;在芯片里各自“眼里看到的世界”到底是什么样的&#xff1f;为什么它们天生就不一致&#xff1f;为什么“什么都不做”在工程上几乎一定是错的&#xff1f; 一、先统一一个世界观&#xff1a;芯片里根本不存在“同一份数据” 这是理解所有一致性…

作者头像 李华
网站建设 2026/8/21 9:05:10

在线Markdown编辑器全指南:从基础语法到高效协作的完整解决方案

https://iris.findtruman.io/web/simple_markdown?shareW 一、网站功能&#xff1a;一站式Markdown创作与协作平台 在线Markdown编辑器是专为开发者、内容创作者及团队协作设计的云端工具&#xff0c;其核心功能包括&#xff1a; 全语法支持与实时预览 支持标准Markdown语法…

作者头像 李华