分别按时间{O（n logn）或O（kn）}和空间{O（1）和O（k）}比较算法[关闭]答案

【问题标题】：Compare algorithms by time{O(n logn) or O(kn)} and space{O(1) and O(k)} respectively [closed]分别按时间{O（n logn）或O（kn）}和空间{O（1）和O（k）}比较算法[关闭]
【发布时间】：2021-05-19 13:22:28
【问题描述】：

如果我有 2 个算法 A 和 B 其中 A 使用 O(n logn) 时间和 O(1) 额外空间。另一方面，B 使用 O(nk) 时间和 O(k-1) 额外空间。大家觉得哪一个会是更好的选择呢？为什么？

【问题讨论】：

对于我要解决的给定问题，我会使用性能更好的那个。复杂性不能告诉你，它只能给你第一个提示
你能告诉我你如何根据问题来解决这个问题
O(n logn) 可以有t = n * log(n) 执行时间，而第二个算法t = 1e100 * n。因此，即使第二个算法有更好的 Big O，第一个算法对于所有合理的输入都更快。空间也一样
如果 n 是问题大小并且 k 是常数，O(kn) == O(n) 并且 O(k-1) == O(1)。也就是说，@largest_prime_is_463035818 一针见血。请记住，O 描述的是渐近行为。
运行基准测试。如果您想在实际编写代码之前获得估计，仅靠渐近复杂度并没有真正帮助（对于某些给定的n 和k），因为它忽略了常数因素

标签： python c++ algorithm data-structures

【解决方案1】：

更好的选择是不超过内存预算并且在生产条件下明显更快的选择。找出这一点的可靠方法是测量。

如果您正在编写一个将/可能在许多不同环境中使用的库，那么一个不错的选择是实现这两种算法并让用户选择。

【讨论】：