此前的SO帖子描述了使用.NET Intersect（）方法：
Intersection of two sets in most optimized way
它将方法的复杂性描述为o（m + n）。对于时间和空间来说，这是一个很大的复杂性吗？
另外，我在其他地方读到n应该在m之前用大符号表示，所以上面的复杂性应该写成o（n + m）。 n之前是正确的序列还是这些变量的序列与大的符号无关（非常多）？
答案 0 :(得分：1)
（1）答案描述了从一个列表中构建一个hashset并检查另一个列表中的元素。空间复杂性来自构建hashset。散列集的大小与放入其中的元素数量成比例，m或n，具体取决于您构建散列集的集合。假设你在最坏的情况下从更大的集合中构建哈希集。然后空间复杂度为O（max（m，n））。该复杂性等级与O（m + n）相同。为什么？因为max（m，n）＆lt;所有正m，n均为1 *（m + n）;对于所有正m，n，m + n <= 2 * max（m，n）。所以，是的，所描述的方法的时间和空间复杂度都是O（m + n）或等价，O（max（m，n））。
（2）对于所有正m，n，m + n <= 1 *（n + m）;对于所有正m，n，n + m <= 1 *（m + n）。因此，O（m + n）与O（n + m）相同。
答案 1 :(得分：0)
这是时间和空间的复杂性吗？
如果按O（m + n）方法进行，空间复杂度将为O（m < n ? m : n）。为什么？您可以将m和n大小的较小的一个保留在内存中，然后从较大的一个中读取1个项目以测试较大的一个项目是否在较小的项目中。否则，如果你将它们都保留在内存中，则空间复杂度将变为O（1），而时间复杂度将变为O（mn）。
在m之前是否是正确的序列，或者这些变量的序列是否与大的符号无关（非常多）？
由于m + n = n + m，因此根本不重要。如果复杂度类似于O（m Log n）或O（mn 2 ），那么我确定你不能把它写成O（n Log m）或O（nm < SUP> 2 ）。