如果我有执行这些关键操作的方法：
因此此方法的时间复杂度应为...O（n）* O（nLog（n））* O（1）= n ^ 2 Log（n）
Q：我的方法的时间复杂度是否等于O（n ^ 2），因为我们考虑了最大多项式？
Q：空间= [从bst进行数组转换] O（n）+ O（n）[mergesort] = O（n）空间复杂度吗？
这三个操作没有嵌套。依次完成（一个接一个）
任何想法？
将二进制搜索树转换为数组的算法的对于任何树遍历（？），使用顺序遍历O（n）将二进制搜索树转换为数组
最佳时间复杂度为O（n）。
然后在数组上执行100次O（1）（恒定时间？）的for循环迭代
取决于数组的大小。如果数组的大小是常数，是的，时间复杂度将是O（1），但是我怀疑数组的大小是N，在这种情况下，时间复杂度将是O （n）。
因此此方法的时间复杂度应为... O（n）* O（nLog（n））* O（1）= n ^ 2 Log（n）
Q1。如果按顺序进行操作，则应将其汇总。总时间复杂度为O（n）+ O（nLog（n））+ O（n）= O（nLog（n））
Q2。 O（n）+ O（n）= O（n）的存储复杂度是正确的（假设等式的左边对您的算法是正确的）。
P.S您可以通过遍历二进制搜索树来遍历in order，从而消除了遍历二进制数组的需要，从而使方法O（n）的总时间复杂度。]