如何优化累加i*j的嵌套for循环，提升大x值下的运行效率？

这是个非常典型的「用数学简化循环计算」的场景！你的嵌套循环在x增大时会因为O(n²)的时间复杂度急剧变慢，但我们完全可以通过数学推导把这个计算直接简化成O(1)的常数时间操作，效率提升几个数量级，甚至不需要任何循环。

先拆解你的计算逻辑 #

你的代码本质是计算：

total = Σ(i=0到x-1) Σ(j=0到x-1) (i × j)

因为i和j是相互独立的变量，我们可以利用乘法分配律拆分求和操作：

Σ(i×j) = [Σ(i)] × [Σ(j)]

这里的Σ(i)是从0到x-1的整数和，Σ(j)同理（因为j的取值范围和i完全一样）。

而从0到n-1的整数和公式是：

Σ(k=0到n-1) k = n × (n-1) / 2

所以代入后，最终的计算式就是：

total = [x × (x-1) / 2]²

验证一下正确性 #

比如x=3时：

• 原循环计算结果：0×0 + 0×1 + 0×2 + 1×0 +1×1 +1×2 +2×0 +2×1 +2×2 = 9
• 公式计算：[3×2/2]² = 3² =9，完全一致。

优化后的代码 #

直接用公式计算，完全摆脱循环：

int x = 1000;
// 用long long避免整数溢出（x=1000时，sum=499500，平方后远超过32位int的范围）
long long sum = (long long)x * (x - 1) / 2;
float total = (float)(sum * sum);

这里一定要注意溢出问题：当x较大时，sum的平方会超出32位整数的最大值（2^31-1），所以必须用long long类型存储中间结果，避免计算错误。

退而求其次：如果必须保留循环结构 #

如果因为某些限制不能直接用数学公式，我们可以把循环优化到O(n)时间复杂度——先预先计算出j的和，再遍历i相乘累加：

int x = 1000;
long long sum_j = (long long)x * (x - 1) / 2;
float total = 0;
for (int i = 0; i < x; i++) {
    total += i * sum_j;
}

这样只需要执行x次循环，比原来的x²次循环快得多，但效率还是远不如O(1)的公式方案。

额外提示：关于浮点精度 #

如果x非常大，sum * sum的结果可能会超出float的精度范围（float只能精确表示整数到2^24左右），此时建议改用double或者long double类型存储total，以保证计算精度。

内容的提问来源于stack exchange，提问作者Karma