在算法分析的时间复杂度的大O表示法中，如果k大于n，O（n + k log n）是否与O（n log n）相同？我对此不太确定。
答案 0 :(得分：0)
我不确定100％N + KlogN是什么意思。我习惯将K用作N的子集，例如“ N中的前K个项目集”，对于大N，通常只返回N中的前K个项目是因为大O时间是NlogK比NlogN快得多（因为K较小）。
如果您的字面意思是N + KlogN，那将比简单地NlogN更复杂，因为K加到了数字上。例如，当K变为零时，您只会得到NlogN，否则得到的值会大于NlogN，我希望这显然会更复杂。
我希望这能回答一些问题。我承认，我觉得我可能会错过这里的要点，如果可以的话，我表示歉意。
答案 1 :(得分：0)
否，在特定情况下，您提到的这些是不同的。例如，考虑以下算法：给定一个长度为N且数字K≥N的数组，对该数组进行线性扫描，然后对该数组进行K个二进制搜索。这里做了多少工作？好吧，线性搜索花费的时间为O（N），而K个二进制搜索的总时间为O（K log N），所以总工作量为O（N + K log N）。
但是，这里的工作是 not O（N log N）。由于K可以任意大，所以K log N的值可以超过N log N的值任意数量。观察这种情况的另一种方式：O（N log N）的界限意味着运行时仅取决于N而不取决于K。但是这里不是这种情况，因为以K方式启动曲柄，肯定会增加运行时间，与N是什么无关。
希望这会有所帮助！