在Cormen定理3.1中说
例如，插入排序的最佳情况运行时间为 big-omega（n），而最差情况< / strong> 插入排序的运行时间为 Big-oh（n ^ 2）。 因此，插入排序的运行时间介于 big-omega（n）和 bigoh（n ^ 2）
之间现在，如果我们看一下练习3.1-6，它会问
证明算法的运行时间为 Big-theta（g（n）），如果最差情况运行时间 Big-oh（g） （n））及其最佳案例运行时间为 big-omega（g（n））
答案 0 :(得分：2)
这里没有矛盾。该问题仅表明Big-Theta(g(n))被Big-O(g(n))和Big-Omega(g(n))渐近紧密约束Big-Theta(g(n))。如果您证明了这个问题，那么当且仅当Big-O(g(n))和Big-Omega(g(n))之间运行时，您才能证明该函数在Big-Omega(n)中运行。
插入排序从Big-Oh(n^2)运行到Big-Theta(n^2)，因此插入排序的运行时间不能与Big-Theta(n^2)紧密绑定。
事实上，CLRS从不使用{{1}}来严格限制插入排序。
答案 1 :(得分：2)
我觉得你在这里有点困惑。让我为你澄清几点。
运行时间可能意味着两件事：程序的实际运行时间，或者像theta或big-oh这样的有界函数（所以它有助于称之为时间复杂度，以避免我们将使用运行时间来计算程序的实际运行时间，并将时间复杂度用于表示Big-Oh / theta表示法。
拿起Big-Oh阅读我的回答here。
一旦你明白了Big-Oh，其他功能就很容易落实到位。当我们说T（n）是Omega（g（n））时，我们指的是某个点k的右边曲线cg（n） ）从下面限制运行时间曲线。换句话说：
T(n)>=c.g(n) for all n>=k, and for some constant c independent of input size.
而theta符号就像是说“我只是一个函数，但使用不同的常量，你可以让我从上到下限制运行时间曲线”
因此，当我们说T（n）是theta（g（n））时，我们的意思是
c1.g（N）==ķ
现在我们知道这些功能意味着什么，让我们看看CLRS在混乱中的位置。
例如，插入排序的最佳案例运行时间是big-omega（n），而插入排序的最坏情况运行时间是Big-oh（n ^ 2）。因此，插入排序的运行时间介于big-omega（n）和Bigoh（n ^ 2）
之间
这里的运行时间CLRS表示实际运行时间T（n）。措辞不好，你误解不是你的错。实际上我会继续说它们是错的。没有什么比像落在之间，一个函数在集合O（g（n））中，或者不是。所以这是一个错误。
证明算法的运行时间为Big-theta（g（n）），如果其最坏情况下的运行时间为Big-oh（g（n））且其最佳运行时间为big-omega（g（ n））的
这里CLRS表示运行时间函数T（n），他们希望你弄清楚时间复杂度。
答案 2 :(得分：0)
没有矛盾，因为CLRS没有提到插入类型为theta（N ^ 2）。