Big o 多项式logn的大Oh复杂度

我知道O（NlgN）是线性的。但是什么是O（N^m（lgN））？因为多项式部分增长更快，所以会被认为是多项式运行时间吗？

如果你知道函数或算法的渐近行为可以用

O（n^m log n）

来描述，你可能应该坚持这一点。但是，您可以自然地说，同一函数/算法的时间复杂度的一个上界是多项式时间，即：

这是可以接受的，因为渐近行为的大O上界不一定是紧的

现在，让我们假设您有一些算法，并且已经在其上找到了一个上界，即

O（N^（m+1））

，但是要知道，在推导这个上界时，您使用了相当粗糙的工具；i、 可能存在更严格的渐近界。然而，在继续微积分和分析的改革之前，你可以问自己：这个界限对我来说足够好吗？（例如，确保算法不会在指数时间内运行）。如果是这样的话，只需使用您导出的一般但可接受的边界即可

---

但是，如果您已经推导出了一个更紧的更好的界，那么在呈现函数或算法的渐近行为时，坚持该界可能是最有利的。

如果您知道函数或算法的渐近行为可以用

O（n^m log n）

来描述，你也许应该坚持下去。但是，您可以自然地说，同一函数/算法的时间复杂度的一个上界是多项式时间，即：

这是可以接受的，因为渐近行为的大O上界不一定是紧的

现在，让我们假设您有一些算法，并且已经在其上找到了一个上界，即

O（N^（m+1））

，但是要知道，在推导这个上界时，您使用了相当粗糙的工具；i、 可能存在更严格的渐近界。然而，在继续微积分和分析的改革之前，你可以问自己：这个界限对我来说足够好吗？（例如，确保算法不会在指数时间内运行）。如果是这样的话，只需使用您导出的一般但可接受的边界即可

但是，如果您已经推导出了一个更紧的更好的界，那么在呈现函数或算法的渐近行为时，坚持该界可能是最有利的