1）将以下效率从最小到最大重新排序：
2^n, n!, n^5, 10000, nlog2(n)
我的答案 - ＆gt; 10000＆lt; nlog2（n）＆lt; n ^ 5＆lt; 2 ^ n＆lt; N！
正确吗？
2）算法的效率。是n ^ 3，如果这个算法中的一步。需要1纳秒。 （10 ^ -9秒）。算法需要多长时间。处理大小为1000的输入？
我不知道......是（1000）^ 3 * 10 ^ -9？
答案 0 :(得分：2)
问题一点没问题。问题二，我猜你的答案是他们正在寻找的，但如果你用n ^ 3表示O（n ^ 3），你实际上无法回答它（除非这是“算法效率”的用法我“我不熟悉。”
Big-O复杂度给出了算法行为的渐近约束。我们知道，对于“大”n，O（n ^ 3）大于在大小为n的输入上执行算法所花费的时间。请注意两个警告 - “大n”和“渐近界”。没有什么可以阻止大小1000的输入占用大小2000的输入的两倍，只要存在一些m，使得对于所有n> 1。 m，n ^ 3限制运行时。此外，没有什么可以阻止算法在每个输入上花费1纳秒，因为n ^ 3仍然是运行时的约束 - 它只是非常悲观。
这就是为什么大O符号在实际情况下通常用途有限的原因。它给出了一个公平的“最坏情况”概述，但没有说明任何给定的使用场景。对于一个更实用的（但经常被忽略的）复杂性类集，google为“Big theta”。
答案 1 :(得分：1)
两个答案都是正确的
答案 2 :(得分：1)
1）是的，这是正确的。
2）这也是正确的。尺寸分析：（1000 ^ 3步）* 10 ^（ - 9）秒/步