Java 大Oh for（n日志n）

我目前正在学习的基本算法大哦。我想知道是否有人可以告诉我使用Big Oh的Java中（n log n）的代码是什么样的，或者将我引向任何存在的SO页面

由于我只是一个初学者，我只能在编写代码之前想象代码。所以，理论上（至少），它应该包含一个for循环，其中我们有n次。然后对于logn，我们可以使用while循环。因此，循环执行n次，while循环执行2次。至少这是我在脑海中的想象，但看到代码会让事情变得清晰

一种非常流行的O（n logn）算法是合并排序。例如算法和伪代码。算法的logn部分是通过将问题分解成更小的子问题来实现的，其中递归树的高度是logn

许多排序算法的运行时间为O（n logn）。有关更多示例，请参阅。

这个简单的例子和您描述的一样——执行n次需要日志（n）时间的操作。 平衡二叉树具有对数（n）高度，因此某些树算法将具有这样的复杂性。

int n=100
int n = 100
for(int i = 0; i < n; i++) //this loop is executed n times, so O(n)
{
    for(int j = n; j > 0; j/=2) //this loop is executed O(log n) times
    {

    }
}

for（int i=0；i0；j/=2）//此循环执行O（logn）次
{
}
}

说明： 外部for回路应清晰；它被执行

n次。现在进入内部循环。在内部循环中，取
n
，并始终将其除以
2
。所以，你问自己：我能用
2
除以
n
多少次

原来这是
O（logn）
。事实上，
log
的基数是
2
，但在Big-O表示法中，我们删除了基数，因为它只会将我们不感兴趣的因素添加到
log

因此，您正在执行一个循环
n
次，并且在该循环中，您正在执行另一个循环
log（n）
次。因此，你有
O（n）*O（logn）=O（nlogn）
具有
O（.）
时间复杂度的算法，涉及
logn
，通常涉及某种形式的分治

例如，在列表中，每个零件被单独合并排序，然后两半合并在一起。每个名单都减半

每当你的工作量被减半或缩小到某个固定系数时，你通常会得到
O（.）
的
logn
组件

在代码方面，看一下MergeSort的算法。典型实现的重要特性是它是递归的（请注意，
TopDownSplitMerge
在维基百科上给出的代码中两次调用自己）

所有好的标准排序算法都有
O（n logn）
时间复杂度，在最坏的情况下不可能做得更好，请参阅

要查看Java代码中的情况，只需
 我不确定我是否理解正确。你是在问一个时间复杂度为O（n logn）的算法的例子吗？试着学习任何好的排序算法，比如合并排序。下面的链接可能会帮助您是的。我只是想看看Java程序中的代码是什么样子。@hherkljkljkljkljklj在欣赏大多数O（n logn）算法之前，您可能需要学习递归。它们通常不包含两个嵌套的显式循环。听起来您可能有点困惑。O表示法不是一种算法，它是一种描述算法的度量。所以，您不需要实现O（nlogn）——您需要实现一个算法，它可以保证O（nlog）的性能。用一个房屋类比，你不需要建造20英尺，你需要建造一座房子，然后测量它有多少英尺高，这可能是O（n logn），但这是不现实的。几乎所有的O（nlogn）算法都是递归的。也许您可以提供一个更典型的表单，这个示例旨在提供一个关于O（n logn）是什么的非常简单的示例。你不会在现实中看到这种算法。是的，这些算法是递归的，但是迭代地解释O（nlogn）更容易理解。关键是要确保你总是把n除以2。这是大多数算法（如Mergesort）的一个关键特性，在Mergesort中，每一半调用相同的算法。我认为这是合适的，因为他在问题中谈到了嵌套循环。@slashburn谢谢，这是最简单的解释@KevinA.Naudé任何可以递归编写的东西都可以迭代编写，所以说它不现实是没有意义的。@Ari如果我们做j——而不是j/=2，那么它将是O（n^2），但因为我们每次迭代都除以2，所以它是O（n*log（n））