O（nlogn）的问题

那个什么时间复杂度的O(nlogn)究竟是多少。。随便举个数字。。再把计算过程写出来。。好吧。。我连5积分都不够。。你们看着办吧。。

这样的一个循环的时间复杂度是O(nlogn) for(i=1;i<=n;i++)
{
for(j=1;j<=n;j=j*2)
{
printf("aaa");
}
}外层循环n次内层循环logn次(logn表示以2为底n的对数)外层的n次就不用算了,一看就知道.内层为什么会循环logn次?第1次循环后:j=2第2次循环后:j=4第3次循环后:j=8第4次循环后:j=16...第x次循环后:j=2^x因为j<=n所以2^x<=n得x<=logn所以最多循环logn次.所以总共循环nlogn次,即时间复杂度为O(nlogn)

1. 算法复杂度分为 时间复杂度和空间复杂度。 　　作用： 时间复杂度是度量算法执行的时间长短；而空间复杂度是度量算法所需存储空间的大小。 　　2. 一般情况下，算法的基本操作重复执行的次数是模块n的某一个函数f（n），因此，算法的时间复杂度记做：T（n）=O（f（n）） 　　分析：随着模块n的增大，算法执行的时间的增长率和f（n）的增长率成正比，所以f（n）越小，算法的时间复杂度越低，算法的效率越高。 　　3. 在计算时间复杂度的时候，先找出算法的基本操作，然后根据相应的各语句确定它的执行次数，在找出T（n）的同数量级（它的同数量级有以下：1，Log2n ，n ，nLog2n ，n的平方，n的三次方，2的n次方，n！），找出后，f（n）=该数量级，若T(n)/f(n)求极限可得到一常数c，则时间复杂度T（n）=O（f（n）） 　　例：算法：for（i=1;i<=n;++i） 　　for(j=1;j<=n;++j) 　　c[ i ][ j ]=0; //该步骤属于基本操作 执行次数：n的平方 次 　　for(k=1;k<=n;++k) 　　c[ i ][ j ]+=a[ i ][ k ]*b[ k ][ j ]; //该步骤属于基本操作 执行次数：n的三次方 次 　　则有 T（n）= n的平方+n的三次方，根据上面空号里的同数量级，我们可以确定 n的三次方 为T（n）的同数量级 　　则有f（n）= n的三次方，然后根据T（n）/f（n）求极限可得到常数c 　　则该算法的 时间复杂度：T（n）=O（n的三次方）

是一个程序的效率，表示如果有n个数，最多要进行多少次运算，比如exhaustive search的时间就是o(n)，因为如果有n个数，最坏情况就要经过n次比较，而binary search就是o(logn).因为只要log2（2在下面）n的时间就可以了。