嘿伙计们，我是新来的，所以我会尽量保持清晰。
在我目前的练习中，我将演示几种排序算法之间的时差。 为了获得更精确的结果，我选择了几种不同大小的数组（排序，未排序）并得到了我的结果。 我明白O，大O等的含义...所以我的问题是关于合并排序中θ的含义。更清楚的是，我知道这个特定算法的复杂性是 n*log（n），我不明白的是当我得到一个结果时会发生什么，例如 15000 毫秒在一个大小为 2000 的数组中 - 如果我把它放在函数 n*log（n） 中，我不应该得到与系统提供的相同的数字吗？还是我在发牢骚？
我希望我的问题可以理解，谢谢.
Big O 旨在表示算法性能接近极限时的趋势，而不是表示 N 的任何特定值的结果。 例如，如果一个算法的性能可以用f（x） = 2x + x^2来表示，那么它就有x^2的大O。
此外，Big O是独立于硬件的。
如果你想查看你的时间和Big O之间的关系，请多次运行算法，增加n的值并绘制结果。 你会看到时间遵循一个类似于Big O描述的图表。