log n 是什么意思？
O(log N) 基本上意味着 时间呈线性增长，而 n 呈指数增长.因此，如果计算 10 个元素需要 1 秒，则计算 100 个元素需要 2 秒，计算 1000 个元素需要 3 秒，以此类推。当我们进行分而治之的算法时，它是 O(log n)，例如二进制搜索。
什么是 O 和 log n？
对于大小为 n 的输入，一个 O(n) 的算法将执行与 n 成比例的步骤 ，而 O(log(n)) 的另一种算法将大致执行 log(n) 步骤。显然 log(n) 小于 n 因此复杂度 O(log(n)) 的算法更好。
你如何计算log n？
这个想法是一个算法是 O(log n) 如果不是滚动一个结构，而是一次又一次地将结构分成两半，并为每个拆分执行恒定数量的操作。答案空间不断分裂的搜索算法是 O(log n) 。
什么是对数平方？
日志^2 (n) 表示它与 日志 的 日志 对于尺寸问题 n. 日志(n)^2 意味着它与 正方形 的 日志.
对数，解释 - 史蒂夫凯利
log n 的值是多少？
对数，为得到给定数字而必须将底数提高到的指数或幂。用数学表示，x 是 n 的对数 如果 bx = n，则以 b 为底，在这种情况下，写 x = logb n.例如，23 = 8；因此，3 是 8 以 2 为底的对数，或者 3 = log2 8.
为什么 log n 比 n 快？
对于大小为 n 的输入，O(n) 的算法将执行与 n 成比例的步骤，而 O(log(n)) 的另一个算法将执行大致 log(n) 的步骤。显然 log(n) 小于 n 因此 复杂度 O(log(n)) 的算法更好.因为它会快得多。
什么是 log n 阶乘？
您想直接计算对数阶乘。 ...如果您只需要在中等范围内计算 n 的 log(n!)，您可以将这些值制成表格。计算 log(n!) 为 n = 1, 2, 3, ..., N 无论如何，无论多么慢，并将结果保存在一个数组中。然后在运行时，只需查找结果。
On n 或 O Nlogn 哪个更好？
但这并不能回答您的问题，即为什么 O(n*logn) 大于 在）。通常底数小于 4。因此对于更高的值 n，n*log(n) 变得大于 n。这就是为什么 O(nlogn) > O(n)。
n log n 是否比 N 2 快？
如果您有疑问，请询问 wolframalpha。这意味着 n^2 增长更快，所以当 n 足够高时，n log(n) 更小（更好）。 Big-O 表示法是一种渐近复杂度的表示法。这意味着它会在 N 任意大时计算复杂度。
N的大O是什么？
} O(n) 表示 与输入数量成正比线性增加的函数的复杂度.这是大 O 表示法如何描述最坏情况的一个很好的例子，因为函数可以在读取第一个元素后返回 true，或者在读取所有 n 个元素后返回 false。
log n 乘以 log n 是多少？
迭代对数或 Log*(n) 是 在结果小于或等于 1 之前必须迭代应用对数函数的次数.应用：用于算法分析（详见 Wiki）Java。
你如何找到log n？
例如，如果您有 4 个元素，第一步将搜索减少到 2，第二步将搜索减少到 1，然后您停止。因此，您必须将 (4) 记录到基数 2 = 2 次。换句话说，如果日志 n 基数 2 = x, 2 的 x 次幂为 n。因此，如果您进行二进制搜索，您的基数将为 2。
n log n 是什么意思？
Log(N)) ，其中 N 是要处理的元素的数量，这意味着运行时间 增长速度不快于 N.
O N 中的 N 是什么？
O(n) 是大 O 表示法，指给定算法的复杂度。 n 是指输入的大小，在您的情况下，它是列表中的项目数。 O(n) 意味着 您的算法将采用 n 次操作的顺序来插入项目.
对数的 5 条规则是什么？
对数规则
- 规则 1：产品规则。 ...
- 规则 2：商规则。 ...
- 规则 3：权力规则。 ...
- 规则 4：零规则。 ...
- 规则 5：身份规则。 ...
- 规则 6：指数规则的对数（以幂规则为底的对数）......
- 规则 7：对数规则的指数（对数幂规则的基础）
如果您记录日志会发生什么？
有许多规则被称为对数定律。 ...这条定律告诉我们如何将两个对数相加。添加 log A 和 log B 得出 A 乘积的对数 和 B，即日志 AB。
为什么使用日志？
对数是 表达大数的便捷方式. （例如，一个数字的以 10 为底的对数大致是该数字的位数。）计算尺有效，因为加减对数相当于乘法和除法。 （今天这个好处稍微不那么重要了。）
log n 总是小于 N 吗？
比较任何对数和线性函数， 对数函数总是小于线性函数 对于大于某个有限数的所有 N 值。你会说 O(logN) 函数的增长速度比 O(N) 函数慢。
什么是 n 阶乘的大 O？
O(N!) O(N!) 表示阶乘算法 必须执行 N！计算。所以 1 项需要 1 秒，2 项需要 2 秒，3 项需要 6 秒，依此类推。
n log n 的大 O 是多少？
在二叉树的每一层，对合并函数的调用次数加倍，但合并时间减半，因此合并在每一层执行总共 N 次迭代。 ... 这意味着 合并排序的总体时间复杂度 是 O(N log N)。
什么是最好的算法？
顶级算法：
- 二进制搜索算法。
- 广度优先搜索 (BFS) 算法。
- 深度优先搜索 (DFS) 算法。
- 中序、前序、后序树遍历。
- 插入排序、选择排序、合并排序、快速排序、计数排序、堆排序。
- 克鲁斯卡尔算法。
- 弗洛伊德沃歇尔算法。
- Dijkstra 算法。
什么是数据结构中的 log N？
需要一个数据结构来存储一组整数，以便可以在 (log n) 时间内完成以下每个操作，其中 n 是集合中元素的数量. o 选择最小元素 o 插入一个元素，如果它还没有出现在集合中。
哪种时间复杂度最好？
最佳情况下快速排序的时间复杂度为 O(nlogn).在最坏的情况下，时间复杂度为 O(n^2)。 Quicksort 被认为是最快的排序算法，因为它在最佳和平均情况下的性能为 O(nlogn)。