嗨，这个时间复杂度中哪一个更好。
O(n log m)与O(n + m)
分析这两种算法，哪一种更适合大规模使用practicall？
例如)如果n和m呈指数级大，则变为
O(2e)与O(e*(something linear to e))
示例问题：两个数组中的常见元素：
1) 2指针进近
2) 使用二进制搜索
我想您要问的是如何最好地在两个排序数组中找到公共元素。您可以选择两种算法：
- "双指针"方法，即O(m+n)
- 使用二进制搜索来确定数组N中的项是否在数组M中。这是O(N log M)
如果数组大小接近相同，那么第一个算法是严格线性的，这是优选的。
如果其中一个数组比另一个大得多，那么您可能需要考虑二进制搜索方法。您需要在较大的数组中搜索较小数组中的项目。例如，如果您有数组M和N，其中M有1000000个项目，N有100个项目，您可以选择：
- 在N中查找M(即在100的数组上进行1000000次搜索)
- 在M中查找N(即在1000000的数组上进行100次搜索)
如果你在N中寻找M，那么复杂性是O(M log N)。这里，m=1000000和log(n)=7(近似)
如果你在M中寻找N，那么复杂度是O(N log M)。CCD_ 7和CCD_。
在这种情况下，你想做什么很清楚。
在实践中，应该使用O(m+n)还是O(n-log-m)(其中n小于m)算法之间的界限只能根据经验来确定。这不仅仅是一个计算是否为(m + n) < (n log m)的问题，因为二进制搜索涉及一点双指针方法没有的开销。即使(m + n)是(n log m)的两倍或三倍，双指针方法也很可能更快。
两者都不明显更好，因为这取决于n和m的相对值。
如果你假设它们相等，那么你有O(n log n)和O(n)，所以第二个(O(n + m))更快。另一方面，如果n实际上是恒定的，而m增长很快，那么你看到的是O(log m)与O(m)，所以第一个更好。
基本上，第一种方法对大的m更好，第二种方法对它们都同样大的情况更好。(如果n在方程中占主导地位，那么它们都只是线性的。)
总之，它是m+n与(mlogn或nlogm之一)的值，这取决于您选择的两个数组的长度。尽管Big-O复杂度分析没有考虑对数的"基数"，但对于这些值决定了更好的复杂度的问题，需要注意的是，对数的基数是"2"，而不是"10"，其中采用了特定的示例来计算所查看的元素数或所进行的比较数。