如果是这样，你能提供明确的例子吗？我知道像Quicksort这样的算法可以有O（n log n）预期的运行时间，但在更坏的情况下可以有O（n ^ 2）。我认为如果预期/最坏情况的相同原则适用于theta，那么上述问题可能是错误的。理解theta的工作方式将有助于我理解theta和big-O之间的关系。
答案 0 :(得分：0)
当$ n $足够大时，复杂度为$ \ theta（n）$的算法将比复杂度为$ \ theta（n ^ 2）$的算法运行得更快。事实上$ \ theta（n）/ \ theta（n ^ 2）\到0 $为$ \ theta \ to \ infty $。但是，可能有$ n $的值，其中$ \ theta（n）＆gt; \ THETA（N ^ 2）$
答案 1 :(得分：0)
总是更快，只是渐近更快（当n无限增长时）。但在一些n之后 - 是的，它总是更快。
例如，对于小n，冒泡排序可能比快速排序运行得更快，因为它更简单（其θ具有更低的常量）。
这与预期/最坏情况无关：选择案例是另一个与theta或big-O无关的问题。
关于theta和big-O之间的关系：在计算机科学中，big-O通常（mis）用于θ的意义上，但是在严格意义上，big-O比θ更宽泛：它限制只有增长函数的上界，而theta限制两个界限。例如。当有人说Quicksort的复杂度为O（n log n）时，他实际上意味着θ（n log n）。
答案 2 :(得分：0)
你的思路正确。
程序的实际运行时间可以与渐近边界完全不同。这是一种基本概念，它源于渐近符号的定义方式。
您可以阅读我的回答here以澄清。