哪个时间复杂度更好？
我必须找出哪些操作在AVL树上的最坏情况时间复杂度优于BST。我已经确定，根据树的不同，每个操作的时间复杂度是相同的。。。
AVL树的最坏时间复杂度是。。。
Insert - O(log(n))
Remove - O(log(n))
Search - O(log(n))
BST的最坏情况时间复杂度是......
Insert - O(height)
Remove - O(height)
Search - O(height)
那么O（log（n））的时间复杂度比O（高度）好吗？
共有3个答案
AVL树基本上是高度平衡的BST。如果您考虑完整的AVL树，请输入log n（AVL树）
然而，当你考虑O（高度）时，AVL和BST都是相同的。
3（BST）
5（BST）
高度=2，n=2
3
/ \
2 5
(AVL)
高度=2，n=3
O（log（n））是O（height）的最佳情况。二叉树的高度可以是介于log（n）和n之间的任意整数，其中n表示节点数。
例如，如果您有一个BST，其中每个节点只有正确的子节点，则它与链表相同，因此对于所有三个操作都具有最坏情况复杂性。
另一方面，AVL是自平衡二叉搜索树，这意味着来自任何节点的每两个子树都具有相同的深度（高度）常量。这意味着您在每一步都要将值大约减半，从而得到复杂度，这也是您的复杂度。
BST上插入、删除和搜索的最坏情况时间复杂度为O（n），其中n是BST中的节点数。您可以通过将节点按顺序插入BST来触发这种最坏情况，使BST本质上是一个链表（例如，先插入1，然后插入2，然后插入3，依此类推……您将得到一个看起来像1的BST-
O（log（n））比O（n）具有更好的时间复杂度。
-
主要内容：时间复杂度,空间复杂度《 算法是什么》一节提到，解决一个问题的算法可能有多种，这种情况下，我们就必须对这些算法进行取舍，从中挑选出一个“最好”的。 算法本身是不分“好坏”的，所谓“最好”的算法，指的是最适合当前场景的算法。挑选算法时，主要考虑以下两方面因素： 执行效率：根据算法所编写的程序，执行时间越短，执行效率就越高； 占用的内存空间：不同算法编写出的程序，运行时占用的内存空间也不相同。如果实际场景中仅能使用少量的内
-
假设T是具有n个节点和高度h的二叉查找树。T的每个节点x存储一个实数x。键。给出以下算法Func1（T. root）的最坏情况时间复杂度。你需要证明你的答案。 x.left（） 对于最坏情况下的运行时，我认为这将是O（树的高度），因为这基本上类似于最小（）或最大（）二元搜索树算法。然而，它是递归的，所以我对是否将O（h）作为最坏的运行时编写有点犹豫。 当我考虑它时，最坏的情况是如果函数执行if（s
-
有人能帮我了解一下这个代码片段的时间和空间复杂性吗？请参考leetcode问题-单词中断II。给定一个非空字符串s和一个包含非空单词列表的字典单词dict，在s中添加空格来构造一个句子，其中每个单词都是有效的字典单词。返回所有这些可能的句子。
-
我遇到了单词中断问题，它是这样的： 给定一个输入字符串和一个字典，如果可能，将输入字符串分割成一个空间分隔的字典单词序列。 然而，在Quora中，一个用户发布了一个线性时间解决方案 我不知道它怎么会是线性的。他们在时间复杂度计算上有什么错误吗？这个问题的最佳可能最坏情况时间复杂度是多少。我在这里发布了最常见的DP解决方案
-
我已经阅读了这么多的资源，但仍然无法理解什么是时间复杂性。我阅读的参考资料基于各种公式，我理解用于表示时间复杂性，但我不知道如何表示。谁能请解释这个原则，以一个可以理解的明确的方式请给我。
-
我在计算一个方法的时间复杂度： D总是小于或等于P，但我的怀疑是在后四个。我的时间复杂度是O(2p^3)，但我读过2可以像O(p^3)一样去掉。这些是正确的吗？