我可以理解算法中的运行时复杂性。 但是当我们知道算法运行时复杂度为O（n）时，有点混淆。
我们可以告诉f（n）＆lt; G（N）..
究竟什么是g（n）..？
抱歉新手问题..
感谢。
答案 0 :(得分：1)
让f(x)和g(x)是在实数的某个子集上定义的两个函数。一个人写道
f(x) = O(g(x)) as x -> infinity
当且仅当存在正实数M和实数x0时
|f(x)| <= M |g(x)| for all x > x0
通常，f(x)是算法在x输入比例上的实际成本（例如执行步数），而g(x)比f(x)简单得多可用于表征f(x)的复杂性行为。
答案 1 :(得分：0)
我同意f（x）和g（x）只是一对函数的评论。 f（x）= O（g（x））告诉我们它们以特定的方式相关。
经常使用的方法是使f（x）有些复杂，难以表征的功能。 g（x）是一个更简单的函数。知道f（x）= O（g（x））让我们感觉到随着x的增加f（x）的界限。
计算机科学的应用是使f（x）作为输入大小x的函数的程序行为的度量。例如，f（x）可能是排序x元素数组时的最大比较次数，或某些算法中使用的内存字数。 f（x）通常会非常混乱。
我们可以通过找到一个漂亮，干净的函数g（x）来使事情更简单，这样我们就可以证明f（x）= O（g（x））。
例如，对于小于30的输入，某些算法可能会在其输入中为每个元素执行35次操作或10次操作，或者对于所有较大的输入，每个元素需要1000次操作。
如果我们注意到f（x）= O（x），那么比较算法要简单得多，也更容易。
注意，这与说f（x）＆lt; G（X）。在我的例子中，对于大x，f（x）是g（x）的千倍。它只是意味着g（x）捕获f（x）在x变大时的行为。