nlogn vs square root of n ，开平方不是更慢吗？
nlogn vs square root of n , Isn't square root slower?
我在在线课程中做这个测验，并提出了一个问题；
函数nlogn + √n + 5可设属于
答：nlogn
乙：√n
C: n√n
小测验说正确答案是A，但是n的平方根不是更慢吗？我不熟悉查找算法的时间复杂度，可以使用解释。或者如果答案有误请告诉我。
您应该认为 n 是一个非常大的数字。对于任何 n>2、n>√n 和 logn>1。因此，nlogn>√n.
正确的层次结构是这样的：
超线性[ n log n]>线性[n] > 子多项式[n^(1/a)]
哪里a: a >= 1.
因此n log n = O(n) = O(sqrt(n))
N 不需要是一个“非常大的数字”，尽管 Big-Oh 处理无穷大的限制。特别是，您可以将 n0 设置为 `b+，其中 b 是对数。在本例中为 10.
亲自测试 n=11 以找出答案。
是的，√n肯定大于logn。 ()
但是您将 logn 与 n 相乘。
n明显大于√n。
（如果你也将√n乘以n，那么答案就是n√n。）
我在在线课程中做这个测验，并提出了一个问题；
函数nlogn + √n + 5可设属于
答：nlogn
乙：√n
C: n√n
小测验说正确答案是A，但是n的平方根不是更慢吗？我不熟悉查找算法的时间复杂度，可以使用解释。或者如果答案有误请告诉我。
您应该认为 n 是一个非常大的数字。对于任何 n>2、n>√n 和 logn>1。因此，nlogn>√n.
正确的层次结构是这样的：
超线性[ n log n]>线性[n] > 子多项式[n^(1/a)]
哪里a: a >= 1.
因此n log n = O(n) = O(sqrt(n))
N 不需要是一个“非常大的数字”，尽管 Big-Oh 处理无穷大的限制。特别是，您可以将 n0 设置为 `b+，其中 b 是对数。在本例中为 10.
亲自测试 n=11 以找出答案。
是的，√n肯定大于logn。 (
但是您将 logn 与 n 相乘。
n明显大于√n。
（如果你也将√n乘以n，那么答案就是n√n。）