证明 prim 算法的上限复杂度
proving upper bound complexity for prim's algorithm
我想知道您如何证明 Prim 算法的时间复杂度上限。我知道 Prim 算法的时间复杂度是 O(|E| log |V|)，其中 E 是边，V 是顶点，但是它是什么意思时间复杂度的上限？
but what does it mean by the upper bound on the time complexity?
您的问题通常是关于任何算法的上限。 上限限制了最坏情况，例如 "far up" f(x) 可以达到的程度。
用大 O 符号描述函数通常只提供函数增长率的上限。 upper bound for an algorithm is used to indicate the upper or high growth to indicate the upper or high growth rate.
这意味着在给定输入集的情况下，给定算法的性能不会比这个复杂度差。
因此，对图使用二叉堆和邻接关系并按权重对边进行排序，总时间复杂度为 O(|E| log |V|)。
因此，f(x) = O(|E| log |V|).
当以 Big-O 表示法表示时，它被限制在这个函数之下。
我想知道您如何证明 Prim 算法的时间复杂度上限。我知道 Prim 算法的时间复杂度是 O(|E| log |V|)，其中 E 是边，V 是顶点，但是它是什么意思时间复杂度的上限？
but what does it mean by the upper bound on the time complexity?
您的问题通常是关于任何算法的上限。 上限限制了最坏情况，例如 "far up" f(x) 可以达到的程度。
用大 O 符号描述函数通常只提供函数增长率的上限。 upper bound for an algorithm is used to indicate the upper or high growth to indicate the upper or high growth rate.
这意味着在给定输入集的情况下，给定算法的性能不会比这个复杂度差。
因此，对图使用二叉堆和邻接关系并按权重对边进行排序，总时间复杂度为 O(|E| log |V|)。
因此，f(x) = O(|E| log |V|).
当以 Big-O 表示法表示时，它被限制在这个函数之下。