这听起来可能很愚蠢，但我想知道，想一想，您是否无法使用一种算法并使O（n）的内存看起来像O（1）？
（Java） 假设您有N个true或false元素数组。 然后，该数组将产生O（n）内存。
但是，如果我们有一个说“ FFFFFTFTFFT”的数组，并且每个charAt（i）回答该数组第i个索引的结果，那么我们是否仅使用了O（1）内存，还是认为O（n）的内存是因为String是O（n）本身的大小？
让我们更进一步。 如果我们有一个由true和false组成的N数组并将其转换为字节，则我们将使用更少的内存。那么该字节是否也被视为O（1）存储器或O（n）存储器？ 例如，假设n =6。则数组大小为6 = O（n）。但是字节大小仅为1个字节，因为1个字节可以存储8个不同的值（8位）。因此是O（1）还是O（n），因为对于大N，我们得到以下情况...： N等于10000。数组是O（n）内存，但是一个字节是什么内存？因为我们的字节是O（n / 8）= O（n）？
答案 0 :(得分：2)
您所描述的所有情况都是<a-box ... grabbable></a-box>
..
<a-entity raycaster="objects: .clickable" cursor="rayOrigin:mouse" super-hands="colliderEvent: raycaster-intersection; colliderEventProperty: els; colliderEndEvent: raycaster-intersection-cleared; colliderEndEventProperty: el"></a-entity>，它描述了conn.Open();
SqlCommand cmd = new SqlCommand("Select ZoneID from Zones", conn);
SqlDataReader myReader = cmd.ExecuteReader();
List<int> zoneIDs = new List<int>();
while (myReader.Read())
{
zoneIDs.Add(Convert.ToInt32(myReader["ZoneID"]));
}
cmd.Dispose();
myReader.Close();
foreach (int zones in zoneIDs)
{
int Zone_ID = zones;
}
趋于无穷大时的限制行为，用数学方法表示：
O(n)等于n，其中f(n) = O(n), as n -> INF
所以f(n)/n -> const, as n -> INF和const <> 0。
正如您所写，下一条语句也正确：10*n + 100 = O(n)
答案 1 :(得分：0)
我不确定您是否完全理解Big O的概念，但是在列出的每种情况下，您仍然有N个元素。
符号O(N)是N个元素的函数的上限，由O(N/8) = O(N)所指出，它并不是由基础数据类型的大小来定义的。
例如
如果我们有一个true和false的N数组，并将其转换为字节
您正在将N个元素转换为N个字节。这是O(N)的时间复杂度。您总共存储了2 * O(N)个数组，导致O(N)的空间复杂度。
charAt(i)
由于要访问一个元素，因此仅此操作就耗时O(1)。但是您在数组或字符串中有N个元素，因此O(N)个空间复杂度
我不太确定是否有通用的O(1)空间复杂度算法（除了简单的数学运算）
答案 2 :(得分：0)
这里还有另一个误解：为了真正制作具有该O（1）属性的“字符容器”（分别为：O（log n），因为所需的内存 still 随着增长而增长数据），它仅适用于以下情况：包含一种类型的 n 字符和另一种类型的 1 字符的字符串。
在这种情况下，是的，您只需要记住具有不同字符的索引。这类似于定义超稀疏矩阵：如果在一个巨大的矩阵中只有一个值为！= 0，则只能存储相应的索引，而不是存储具有0亿万亿个值的整个矩阵。
当然：有些库可以处理稀疏矩阵，以减少将已知0值保留在内存中的成本。当您可以（轻松）计算出某个东西时，为什么还记得它呢？