Question

可能重复：
Big O when adding together different routines

O(n) + O(log(n))减少到什么？我的猜测是O(n)，但不能给出严格的推理。

我理解O(n) + O(1)应缩减为O(n)，因为O(1)只是一个常数。

Answer 1

自O( f(n) ) + O( g(n) ) = O ( f(n) + g(n) )以来我们只是在尝试计算f(n) f(n) > n + log(n)

由于n增长log(n) < n，我们可以说f(n) > 2n > n + log(n)

因此O(f(n)) = O(2n) = O(n)

从更一般的意义上说，O( f(n) ) + O( g(n) ) = O( f(n) )如果c*f(n)>g(n)为某个常数c。为什么？因为在这种情况下f(n)将“支配”我们的算法并决定其时间复杂度。

Answer 2

订单总是减少到更高的订单条款。我可以给你直观的推理。假设你有O(n + n^2)。那么哪个部分会在运行时发挥更重要的作用？ n或n ^ 2。显然n ^ 2。因为当n增加或减少时，你会发现n ^ 2的效果。

例如，

let n = 100, then n^2 = 10000
means n is 0.99% and n^2 is 99.01% of total running time.
What would you consider for runtime?
if n is increased then this difference is clearer.

我想你现在明白了，

Answer 3

答案是O（n）。 O（log n）小于O（n）。所以他们的加法总和为O（n）的最大值。

大O符号的总和

3 个答案: