升序链表合并为降序链表的复杂度问题分析

题目：

链接：https://www.nowcoder.com/questionTerminal/47d9d6dce7f140a5a2654fb852f118c8?toCommentId=379084
来源：nowcoder一位大连理工的老师的评论

解析：
这道题答案个人觉得应该为D。虽然确实比较次数最多是m+n次。

1.贡献时间复杂度的不是“移动”次数，而是“比较”，如果从“移动”的角度上考虑，不管是什么情况，它都移动了m+n次。

2.不管是O(m)也好，还是O(n),都是常数项级的时间复杂度，从“级数”的角度考虑，O(m+n)，O(min(m,n))，O(max(m,n))都是线性变化的常数项级，这三个的“级数”是一致的。
所以对于楼上的“因为O(m+n)等价于O(max(m, n))”的回答并不是十分认同，个人觉得有点牵强。如果在答案里同时存在O(m+n)和O(max(m,n))该怎么选呢？而另外的一个O(min(m,n))也是常数级线性变化啊。
【刷帖的时候，看有人说王道视频证明了O(max(m,n))等价于O(m+n)】
就是m+n>=max(m,n)并且m+n<=2max(m,n)，所以O(m+n)和O(max(m,n))等价，有点夹逼定理的感觉。
如果m=1，n=$10^8$时，O(min(m,n))=O(1)，O(max(m,n))=$O(10^8)$，所以O(m+n)和O(min(m,n))不等价。
但是个人觉得这种方法有点为了“解释答案”而去解释，正常人谁能想到还要用夹逼定理去算时间复杂度???

3.所以我觉得直接从本质上考虑就好，这种算法的本质：就是两个表进行比较，其中一个表比较完之后，剩下的直接插入。因此最好的情况，不用想的太复杂，其实就只是短的那个表比较完了：O（min(m,n)）。而最坏的情况，就只是长的那个表比较完了：O（max(m,n)）。

从编码的角度看，两个有序顺序表合并一个新的有序顺序表中，核心算法如下：

while(i<A.length && j<B.length){    //循环两两比较，小的存入结果
   if(A.data[i]<B.data[j])
       C.data[k++]=A.data[i++];
   else
       C.data[k++]=B.data[j++];
}
while(i<A.length)                    //还剩一个没有比较完的顺序表
   C.data[k++]=A.data[i++]；
while(j<B.length)
   C.data[k++]=B.data[j++];
C.length=k;

所以从代码来看，它的比较次数是上面的while循环次数+下面的while循环次数，确实是m+n次昂？！
但是这个算法的时间复杂度应该以上面的那个while为准，它退出循环的时候，就只是单单的判断有一个表的下标越界了而已，最坏的其实就是max(m,n)。

5.这道题目前的两派人，无非就是争执O(m+n)和O(max(m,n))，那么两边好像都有点道理，那问题出在哪里?
昨天受到一个学生的启发，就是下面这个程序的时间复杂度：

for(i=1;i<=n;i++)
    for(j=1;j<=i;j++)
         for(k=1;k<=j;k++)
             x++;

上面这个的时间复杂度$T(n)=O({\sum }_{i=1}^n{\sum }_{j=1}^i{\sum }_{z=1}^{j}l)=O(\frac{1}{6}{n}^3)$，最后从“级数”的角度出发，所以时间复杂度是$O(n^3)$。
那么计算次数的时候，具体的n=2的时候，可以看见这个X++；语句运算了4次！！！
那么从时间复杂度考虑，三个累乘的直接结果是，而带入n=2时是算不出运行了8次的！
再换句话说，O()的时间复杂度，带入n的时候，有时候是没办法通过“时间复杂度”去算出具体的“执行次数”，原因就是，“时间复杂度”是一个“变化级数”的层次概念，而不是具体的运行次数的概念。O(10n)，O(n+180)，O(n-30)…等等都是O(n)级数。
这就是“级数”和“实际执行次数”的中间断层！！！
那么max(m,n)就是对应的“级数”层次，而m+n对应的是“实际执行次数”，所以导致出现了这个争议，两边其实都没有错！
因此，笔者坚持答案应该是max(m,n)，而不是具体的执行次数。

6.这个是2013年的联考题，原答案是O(max(m,n))。虽然提倡质疑“标准答案”的做法，但是这种全国统一考的试题中，错误答案应该是几乎没有的。

---

总结：计算复杂度时优先考虑比较的复杂度，剩下的操作复杂度不做考虑，因为我们设计的算法就是要解决如何找？如何算？至于像本题剩下的如何移动剩下的不纳入算法复杂度内，也就是老师所说的“级数”层次，所以答案为$O(max(n,m))$