我对如何针对以下问题进行大O分析感到困惑 -
从整数数组中查找元素。 （一个示例问题）
我的解决方案
现在这个大O是n ^ 2还是n ^ 2 + logn？我们应该只考虑更高的术语吗？
答案 0 :(得分：3)
问题的Big-O是针对问题存在的最佳算法的。由两个步骤（如你的）组成的算法确实是两者中最高的，因为例如。
O(n^2) == O(n^2 + log n)
但是，您不能说O(n^2)对于您的示例问题是正确的O，而不能证明不存在更好的算法（当然不是这种情况）在示例中; - ）。
答案 1 :(得分：1)
只有更高阶的术语。复杂性始终是最高期限的复杂性。
答案 2 :(得分：0)
你这样做的方式是O（n ^ 2），因为对于大n，n ^ 2＆gt;＆gt;＆gt; LOGN
答案 3 :(得分：0)
为了进行分析，更实际地（如果您愿意，粗略地）比Alex更好，添加的 log n 对结果没有明显的影响。考虑在具有一百万个输入的实际系统中进行分析，每个输入需要一毫秒进行排序，一毫秒进行搜索（这是一个高度假设的例子）。给定O（n ^ 2），排序需要三十多年。搜索需要额外的0.014秒。你关心改进哪个部分？ ：）
现在，您将看到以 O（n ^ 2 x logn）为时钟的算法。将 n ^ 2 乘以 log n 的效果使 log n 显着 - 在我们的示例中，它看到了我们的三十年并且提升了我们四个世纪