通常当人们谈论排序算法的复杂性时，我会看到以下解释：
基数排序的复杂度为
O(nd)，其中n是 列表，d是位数
和
合并排序的复杂度为
O(n log n)，其中n是合并长度 列表
这几乎是为了证明基数排序通常比合并排序要慢，即使这没有任何意义。
有两种情况：
情况1：。我们正在对具有四个字节的普通整数进行排序。
在这里，比较需要花费固定的时间，因此O(n log n)可以描述合并排序。但是，在对普通整数进行排序时，d中的O(nd)是一个常量（对于基数16来说可能是4，对于基数2来说可能是16，无论哪种方式，它都是常量，并且bin中的bin数是由基数排序比例调用的排序以对此进行补偿）。因此，说基数排序为O(n)并归并排序的客观复杂性在O(nlogn)上是否更有意义？
情况2：：我们正在对字符串进行排序，可以将其视为基本ASCII中具有任意位数的数字。
在这里，比较需要花费O(d)时间，因为更糟糕的情况是将AAAAAAAAB与AAAAAAAAC进行比较可能会花费很长时间。
在这种情况下，说基数排序具有复杂性O(nd)是完全有意义的，因为d随输入而变化。
但是，由于比较时间不再是恒定的，在这种情况下合并排序是否也应被视为O(d*nlogn)呢？
在我看来，人们不相信基数排序足够快地使用，他们通过消除其复杂性描述，使其比基于比较的排序更糟糕，从而证明了它的大时间常数是合理的。
我为格式不正确表示歉意，我不确定如何使它在stackoverflow上看起来更好
答案 0 :(得分：1)
比较逐字符（或逐数字）时的合并排序将是O(d n log n)个操作。但是您可以对任何类型的对象进行排序，并且比较可以是这些对象上的任何函数，因此这样的表示将过于具体-您需要其他一些复杂性才能使用不同的比较方法来表示相同的mergesort算法。
用比较的数量来表示复杂性比较有意义，因此您可以说mergesort总是O(n log n)个比较。
通常也假定比较是一个非常快的操作，即恒定的时间（即使一般情况下不是这样）。另一方面，基数排序需要对每个数字的输入进行循环-您不能说有多少个循环都没关系。
比较mergesort和基数排序的复杂程度是在一定程度上比较了苹果和橘子。