假设您有一个算法，它首先处理N个元素，然后处理N的一半，然后处理N的四分之一，依此类推。将O（fibonacci（n））这样的算法的运行时间表征出来是否有意义，而不是说O（n log n）？我想使用Fibonacci函数，因为它看起来更具体，另一方面 - 它听起来有争议。
编辑：
抱歉，看起来这可能是一个有趣的问题，但答案让我意识到我需要一些完全不同的东西：）
答案 0 :(得分：2)
虽然使用O(nlogn)和O(fibonacci(n))在数学上都是正确的 - 因为大O符号只提供渐近上限 - 这个界限不会很紧。
假设您处理的每个元素都是O(1)，那么函数复杂度的复杂性实际上是Theta(n) ，因为您确实拥有：
n + n/2 + n/4 + ... + 1 <= 2n
上述说法是正确的，因为实际上geometric series的q=1/2为n->infinity，而2n的{{1}}总和为O(n)。
请注意，由于大O表示集合，因此O(nlogn)是子集，如果O(fibonacci(n))，并且两者都是O(n) - 的子集，因此{ {1}}是在这种情况下使用最具信息性和特定性的符号。
答案 1 :(得分：2)
N + 1/2 N + 1/4 N + 1/8 N + ....约2 N :) 因此，如果处理一个项目是O（1），复杂性仍然是O（N）。
答案 2 :(得分：1)
只要其他人知道你的意思，你就可以写任何你想要的东西。
也就是说，写O(n logn)而不是O(fibonacci(n))更加困惑，因为没有那么多人会知道你对第二种符号的意思。
此外，斐波纳契（n）可以很容易地被认为是指斐波纳契次序的第n个元素。
答案 3 :(得分：0)
不，它不会。计算机科学中Big O notation的全部意义在于提供算法成本的渐近极限，并带有一些邋。。因此，例如，我们忽略几乎每次使用O(x)时隐含的隐藏常量。类似地，我们假设在分析中建模的每个操作都是相同的成本，除了罕见的，特定的情况（例如，在某些加密计算中使用的任意精度算术）。 目标不是精确，而是一个易于理解的共识。