算法具有理论时间复杂度O（n ^ 2）。然而，当它在一些特定或现实的情况下运行时，例如，在Facebook社交图中，每个人不能拥有超过200个亲密朋友（我知道这不是真的，但只是假设），那么它的复杂性只是线性O（ n）由于输入的一些特殊特性，即使理论上它仍然是O（n ^ 2）。
我相信在实际案例中我已经看到了算法复杂性的正式名称，但却无法准确记住它是什么。它有点“真正的复杂性”或“现实的复杂性”等等。有谁知道它是否有特殊名称？或者我碰巧记得我的梦想中的一些东西:)。我在技术写作中需要它。感谢
答案 0 :(得分：2)
我不认为这种复杂性有一个特殊的名称，因为算法的性能很大程度上取决于数据分布。但是，您估算某些真实世界数据的运行时间的方法名称为Smoothed Analysis。
答案 1 :(得分：1)
据我所知，还没有正式名称，但是＆＃34; 真实世界平均/最佳/最差情况复杂性＆＃34;可能是可以理解的。
仅为完整性：
最坏情况运行时间为O（n 2 ）。
最佳案例运行时间为O（n）。
我们无法真正说明平均案例的运行时间来自给定的内容。
Insertion sort就是一个例子。当数据已经排序时，它在O（n）中运行，但在平均/最差情况下以O（n 2 ）运行。
答案 2 :(得分：0)
我认为最好的答案是平均情况。您的平均值计算为输入概率的加权平均值，因此如果算法对输入a * n + b的复杂度I1和输入c * n^2 + d * n + e的{{1}}，则其平均复杂度将是：
I2 AC = p * (a * n + b) + (1 - p) * (c * n^2 + d * n + e)
的输入概率为p。如果在实际情况下，输入几乎总是 I1（即I1）那么您的平均复杂度将为O（n）。学术证明倾向于假设输入的均匀分布（所有输入具有相同的发生概率，在我的例子中p = 1），但是为了研究“真实世界”中算法的复杂性，你必须估计输入的实际发生概率，这可能会改变算法的平均复杂度（尽管通常不会：在示例中，即使p = 1/2，平均复杂度仍然是O（n ^ 2） ），虽然因素会有所改变）。
如果假设没有人拥有超过200个朋友，则隐含地将p = 0.99999的概率设置为0，这会改变您的平均复杂度，即使最佳情况和最差情况 - 案件没有变化。