Algorithm 在O（nlog*n）和O（n）之间？
O（n logstar（n））和O（n）之间是否存在真正的复杂性？Algorithm 在O（nlog*n）和O（n）之间？,algorithm,time-complexity,big-o,complexity-theory,asymptotic-complexity,Algorithm,Time Complexity,Big O,Complexity Theory,Asymptotic Complexity,O（n logstar（n））和O（n）之间是否存在真正的复杂性？ 我知道O（nsqrt（logstar（n）））和其他类似的函数介于两者之间，但我指的是一些原创的东西，它不是由logstar（n）构成的。是的，有。最著名的例子是α（n），它的增长速度比log*n慢得多。它出现在不相交的集合森林数据结构中，其中每个操作的摊销成本为O（α（n）） 您可以将log*n视为需要将log应用于n以将值降低到某个固定常数（例如，2）的次数。然后可以将其推广到log**n，这是将log*应用到n以将值降至2
我知道O（nsqrt（logstar（n）））和其他类似的函数介于两者之间，但我指的是一些原创的东西，它不是由logstar（n）构成的。是的，有。最著名的例子是α（n），它的增长速度比log*n慢得多。它出现在不相交的集合森林数据结构中，其中每个操作的摊销成本为O（α（n）） 您可以将log*n视为需要将log应用于n以将值降低到某个固定常数（例如，2）的次数。然后可以将其推广到log**n，这是将log*应用到n以将值降至2所需的次数。然后可以用类似的方式定义log***n、log***n、log******n等。α（n）的值通常表示需要输入log**…*n以将值降到2的恒星数，因此它的增长速度比重对数函数慢得多 直观地说，您可以将logn视为指数化（重复乘法）的逆，logn*n视为指数化（重复指数化）的逆，logn**n视为指数化（重复四分之一）的逆，等等。Ackermann函数有效地将指数化的n阶推广应用于数n，所以它的倒数对应于达到它所需的指数化程度。这导致了难以置信的缓慢增长的功能
我所见过的在严肃环境中使用的增长最慢的函数是α*（n），你需要将Ackermann反函数应用于一个数n，使其下降到某个固定常数的次数。几乎不可想象的是，为了得到接近（比如）10的数据，你必须在这个函数中输入多大的数据。如果你好奇，.1