我正在准备进行软件开发面试，但我一直面临着区分O（logn）和O（nLogn）之间差异的问题。任何人都可以通过一些示例向我解释或与我分享一些资源。我没有任何代码可显示。我了解O（Logn），但我不了解O（nlogn）。
答案 0 :(得分：3)
将其视为O(n*log(n))，即“ log(n)次工作n次”。例如，在长度为n的排序列表中搜索元素为O(log(n))。在n个不同排序列表中搜索元素，每个长度n为O(n*log(n))。
请记住，O(n)是相对于某些实际数量n 定义的。这可能是列表的大小，或者是集合中不同元素的数量。因此，出现在O(...)中的每个变量都表示要进行交互以增加运行时间的事物。 O(n*m)可以写成O(n_1 + n_2 + ... + n_m)，代表着同一件事：“做n，m次”。
让我们举一个具体的例子mergesort。对于n个输入元素：在我们的最后一次迭代中，我们有两半输入，每个半数大小为n/2，并且对每个半数进行了排序。我们要做的就是将它们合并在一起，这需要n个操作。在倒数第二次迭代中，大小为n/4的片段（4）的数量是其两倍。对于两对大小为n/4的对中的每对，我们将其合并在一起，这需要对n/2进行一对操作（对中的每个元素一个，就像之前一样），即{{1} }两对的操作。
从这里，我们可以推断出我们的mergesort的每个级别都需要进行n合并操作。因此，big O复杂度是n乘以级别数。在最后一级，我们要合并的块的大小为n。在此之前，它是n/2，在n/4之前，依此类推。您必须将n/8除以2多少次才能得到1？ n。因此，我们有1个级别。因此，我们的总运行时间是log(n)，log(n)个工作O(n (work per level) * log(n) (number of levels))次。