问题描述
有人能解释我当谈到二进制的搜索，我们说的运行时间复杂度的 O（log n）的的？我在谷歌搜索，并得到了下面，
Can someone explain me when it comes to "Binary" search we say the running time complexity is O(log n)? I searched it in Google and got the below,
的次数，可以减少一半的搜索空间的数目是相同的日志 N
我知道我们减半，直到我们找到的数据结构中的搜索关键字，但是为什么我们要考虑它的日志 N 的？据我所知，电子是指数增长等等的日志 N 的是二进制衰减。但我无法跨preT在我的对数定义的理解方面的二进制搜索。
I know we do halve until we find the search key in the data structure, but why we have to consider it as log n? I understand that e is exponential growth and so the log n is the binary decay. But I am unable to interpret the binary search in terms of my logarithm definition understanding.
感谢
推荐答案
认为它是这样的：
如果你能负担得起一半的东西的 M 的时候，（例如，你可以花得起时间成正比的 M 的），那么如何大阵你能负担得起搜索？
If you can afford to half something m times, (i.e., you can afford to spend time proportional to m), then how large array can you afford to search?
尺寸显然阵列的 2 的，对吧？
Obviously arrays of size 2, right?
所以，如果你可以搜索大小的数组的 N = 2 的，那么花费的时间是成正比的 M 的，解决 M 的的的 N 的是这样的：
So if you can search an array of size n = 2, then the time it takes is proportional to m, and solving m for n look like this:
N = 2
登录（N）=登录（2 ）
log(n) = log(2)
登录（N）= M
换句话说：大小的阵列上执行二进制搜索的 N = 2 的需要时间成正比的 M 的，或者等价地，比例为日志（N）的。
log(n) = m
Put another way: Performing a binary search on an array of size n = 2 takes time proportional to m, or equivalently, proportional to log(n).
这篇关于为什么要考虑二进制搜索运行的时间复杂度为log2N的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！