我不完全确定following table
alt text http://files.getdropbox.com/u/175564/algTranslation.png
该表提供了当算法复杂度为给定大小时，左栏中给出的时间限制内可以解决的问题大小。
我对演绎表感兴趣。
表格告诉我
我不确定如何推导出O（n * log（n））列中的值。
答案 0 :(得分：4)
不，n不是秒数，而是要处理的项目数。
O（n）表示处理项目的时间与项目数量呈线性关系。
O（n²）表示处理项目的时间是相对于项目数的平方。如果您将项目数量加倍，则处理时间将延长四倍。
请参阅：Big O notation
该表假定每个项目有一定数量的工作，虽然大O表示法仅指定算法如何对项目数量的变化作出反应，但它并没有告诉您有关每项工作量的信息。项目
编辑：
表中x轴的值只是基于每个项目的工作量相同的假设的近似值。例如，O（n²）的值3000从10百万的平方根舍入，即~3162.28。 10百万的立方根不是200，它是~215.44。
在一个真实的情境中，两个算法很少会为每个项目执行相同数量的工作。对于相同的目的，具有O（log n）的算法通常比O（n）算法在每个项目上做更多的工作，但是在大多数情况下它仍然是优选的，因为它可以更好地扩展。
答案 1 :(得分：1)
我认为这张表只是给出了一些非常近似的例子，当你有固定的时间（1秒，1分钟，1小时，1天或1天）时， n 对于不同类型的复杂性有多大你可以随意使用。
例如O（n ^ 3）：
1 second: 200^3 = 8 000 000 (roughly 10 million, given in O(n) column)
1 minute: 850^3 = 614 125 000 (roughly 600 million, given in O(n) column))
1 hour: 3000^3 = 27 000 000 000 (somewhat roughly 35 billion, given in O(n) column)
如您所见，该数字是非常粗略近似值。似乎作者想要使用漂亮的数字来说明他的观点。
答案 2 :(得分：1)
如果你每秒可以做10,000,000次操作，那么当你设置n = 500,000并且计算n * log（n）= 500,000 * log2（500,000）= 500,000 * 18 = 9,000,000 ops时，大约10,000,000用于“秒”分类。
同样地，当n = 3,000时，你得到n ^ 2 = 9,000,000。因此，在每一行上，操作的数量大致相同。