程序运算量的计算通常依赖于具体的算法和程序实现。在没有具体的程序代码或算法逻辑的情况下，很难给出一个通用的计算方法。不过，我可以提供一些一般性的指导：
确定算法复杂度
时间复杂度：衡量算法执行时间随输入规模增长的趋势。常见的时间复杂度有O（1）、O（log n）、O（n）、O（n log n）、O（n^2）等。
空间复杂度：衡量算法执行过程中所需内存空间的大小。常见的空间复杂度有O（1）、O（log n）、O（n）、O（n^2）等。
分析程序代码
循环和递归：计算循环体或递归体中每个语句的执行次数。
基本运算：如加法、减法、乘法、除法等，计算这些运算的次数。
数据结构操作：如数组访问、链表操作、树遍历等，计算这些操作的次数。
使用工具
编译器或解释器：某些编译器或解释器提供了分析工具，可以自动计算程序的运算量。
性能分析工具：如gprof、Valgrind等，可以详细分析程序的执行时间和内存使用情况。
示例
假设有一个简单的程序，计算两个数组中所有元素的和：
```python
def sum_arrays（arr1, arr2）:
total = 0
for i in range（len（arr1））:
total += arr1[i] + arr2[i]
return total
```
对于这个程序，时间复杂度为O（n），其中n是数组的长度。因为有一个循环，循环体中有一个加法运算，所以运算量为n次加法。
如果你有具体的程序代码或算法逻辑，可以提供更详细的信息，这样我可以给出更精确的计算方法。