Algorithm 合并排序的时间复杂性_Algorithm_Sorting_Math_Time Complexity_Big O

Algorithm 合并排序的时间复杂性

algorithm sorting math time-complexity big-o

Algorithm 合并排序的时间复杂性,algorithm,sorting,math,time-complexity,big-o,Algorithm,Sorting,Math,Time Complexity,Big O,我的疑问是，我不明白第3行中的哪些属性或它们是如何共同的有人能用简单的语言解释一下吗？这只是根据大O符号的定义：O（logn-logn）=O（logn）（事实上这里应该是大θ）。这只是根据大-O符号的定义：O（logn-loglogn）=O（logn）（事实上，这里应该是大θ）。这不是关于采取共同点，在中“[long-loglogn=O（logn）]”他们实际上解释了逻辑，这部分与原始表达式是分开的我认为他们试图这样写，“[O（logn-loglogn）=O（logn）]”这不是关于共同

我的疑问是，我不明白第3行中的哪些属性或它们是如何共同的

有人能用简单的语言解释一下吗？

这只是根据大O符号的定义：O（logn-logn）=O（logn）

（事实上这里应该是大θ）。

这只是根据大-O符号的定义：O（logn-loglogn）=O（logn）

（事实上，这里应该是大θ）。

这不是关于采取共同点，在中“[long-loglogn=O（logn）]”他们实际上解释了逻辑，这部分与原始表达式是分开的

我认为他们试图这样写，“[O（logn-loglogn）=O（logn）]”这不是关于共同点，在“[longn-loglogn=O（logn）]”中，他们实际上解释了逻辑，这部分与原始表达式是分开的

我想他们试图用这种方式写，“[O（logn-loglogn）=O（logn）]”

我想可能比这更简单：

```
n
```
数字可以在时间的
```
n log n
```
中排序
问题是在
```
n
```
的时间内可以排序多少个数字

那么就简单到：

我想可能会更简单：

```
n
```
数字可以在时间的
```
n log n
```
中排序
问题是在
```
n
```
的时间内可以排序多少个数字

那么就简单到：

O（n/logn log（n/logn））之后的第三行中的Sir。第三行中的第二部分只是解释，而不是表达式的一部分。第三行中的第二部分只是解释，而不是表达式的一部分。您的方法恰好得到了正确的结果，但它假设n logn与n成线性比例（它不是）。如果你对一个O（n^2）算法使用你的方法，你会得到n/X=n^2/n=>X=1（而不是正确的X=sqrt（n））。你的方法恰好得到了正确的结果，但它假设n logn与n成线性比例（它不是）。如果你对一个O（n^2）算法使用你的方法，你会得到n/X=n^2/n=>X=1（而不是正确的X=sqrt（n））。