我們常說的時間複雜度， 如o(n^2)，o(n)，o(1)等。為什麼我們要用o而不是用abcdefg呢？
θ(g(n)) =啥意思呢？意思就是說f(n) = θ(g(n))時，總能找到乙個n0，c1，c2，有任意n >= n0，c1和c2，使得不等式
0 <= c1g(n) <= f(n) <= c2g(n)成立。也就是說，函式f(n)基於某乙個n0來說是有上下界的。
ω(g(n)) =這種情況下我們稱函式f(n)有漸進下界，即對於任意的n >= n0，都有乙個常量c，使得不等式
0 <= cg(n) <= f(n)成立。
o(g(n)) =這種情況下我們稱函式f(n)有漸進上界，即對於任意的n >= n0，都有乙個常量c，使得不等式
0 <= f(n) <= cg(n)成立。
說白了，就是函式f(n)在n >= n0的情況下，g(n)乘以乙個常量總是能大於f(n)。
放到我們的時間複雜度上來理解：
例如：我們乙個演算法f(n)的時間複雜度為o(n^2)，即對於我們這個演算法來說，總會存在常量n0，c，對於任意n >= n0，總是有f(n) >= c(n^2)，當演算法處於最壞的情況，就是f(n) = c(n^2)。
另外還有o和ω的定義，有興趣的同學可以自行搜尋一下。
時間複雜度解析
演算法，作為乙個programmer應該再清楚不過。乙個演算法的好壞是依靠什麼標準 來評判的呢？那就是時間複雜度和空間複雜度。今天就來 下時間複雜度，什麼是時間複雜度呢？在電腦科學中，時間複雜性，又稱時間複雜度，演算法的時間複雜度是乙個函式，它定性描述該演算法的執行時間。這是乙個代表演算法輸入值的字...
時間複雜度 解析
通常是用 大 o big o 表示法，來表示時間最壞複雜度 公式t n o f n f n 既函式總執行次數 推導大o階方法 1.用常數 1 取代執行時間中的所有加法常數 2.在修改後的執行次數函式中，只保留最高端 3.如果最高端存在且不是 1 則去除與這個項相乘的常數 常數階 o 1 示例 int...
解析時間複雜度和空間複雜度
說明 時間複雜度和空間複雜度從字面上理解 時間複雜度 時間複雜度的表示方法 一般用大o符號表示法表示，o f n n是影響複雜度變化的因子，f n 是複雜度的演算法。這個表示方法不是具體的運算時間，而是 執行時間的增長變化趨勢。隨著n的增長，演算法的執行運算時間增長速度記為f n 常見的時間複雜度量...