多项式乘以 log N 的大 O 复杂度
Big Oh complexity of polynomial times log N
我知道 O(NlgN) 是线性的。但是什么是 O(N^m(lgN))？由于多项式部分增长得更快，是否仅被视为多项式 运行 时间？
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，您可能应该坚持下去。但是，您自然可以说 one 时间复杂度的上限 function/algorithm 是多项式时间之一，即：
这是可以接受的，因为渐近行为的 Big-O 上限不一定是紧的。
现在，假设您有一些算法并找到了它的渐近上界 O(N^(m+1))，但知道您在推导此界限时使用了相当粗糙的工具；即，可能存在更严格的渐近界限。然而，在继续进行微积分和分析之前，您可以问问自己：这个约束是否足以满足我的目的？ （例如，确保算法在指数时间内不会 运行）。如果是这样，只需使用您得出的马马虎虎但可以接受的范围。
但是，如果您已经得出更严格的更好的界限，那么在呈现函数或算法的渐近行为时坚持使用该界限可能是最有利的。
我知道 O(NlgN) 是线性的。但是什么是 O(N^m(lgN))？由于多项式部分增长得更快，是否仅被视为多项式 运行 时间？
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，您可能应该坚持下去。但是，您自然可以说 one 时间复杂度的上限 function/algorithm 是多项式时间之一，即：
这是可以接受的，因为渐近行为的 Big-O 上限不一定是紧的。
现在，假设您有一些算法并找到了它的渐近上界 O(N^(m+1))，但知道您在推导此界限时使用了相当粗糙的工具；即，可能存在更严格的渐近界限。然而，在继续进行微积分和分析之前，您可以问问自己：这个约束是否足以满足我的目的？ （例如，确保算法在指数时间内不会 运行）。如果是这样，只需使用您得出的马马虎虎但可以接受的范围。
但是，如果您已经得出更严格的更好的界限，那么在呈现函数或算法的渐近行为时坚持使用该界限可能是最有利的。