我的理解是，如果算法是O(1)，它也是O(n)，O(n^2)，O(n^3)等等，这使得它看起来毫无用处。例如，如果有人问我任何算法的Big-Oh表示法，我可以简单地说O(n^n)而不考虑它（从字面上看）并且在大多数情况下在技术上是正确的。
因为（这是我的理解）这是真的，这有用的信息怎么样？使用类比，如果我问某人他们拥有多少房子，那么“1到无限”这样的答案就不是很有用。一个有用的答案（这有点像Big-Theta）将是“1”。
答案 0 :(得分：7)
Big-O建立 上限。如果您知道算法是O（n 2 ），那么您知道它的复杂性是最差二次方。它实际上可能是O（n）或O（1），但绝对不是O（n 3 ）。找出算法运行时的上限是非常有用的。
你说的问题是“这个算法的大O是什么？”措辞不好。 “the”这个词不正确。算法中没有一个Big-O。有许多。无限多。 Big-O没有建立紧上限。这就是Big-Theta的用武之地.Big-Theta断言了上限和下限：它给出了一个精确的渐近界。问题应该是，“这个算法的Big-Theta是什么？”
但重要的是不要抛出Big-O，因为并非所有算法都具有已知的精确界限。 Matrix multiplication是众所周知的问题，没有确定的Big-Theta。朴素算法是O（n 3 ），现有技术是O（n 2.3727 ）。这是 上限，但它可能不是 （最佳）上限。 Big-Theta位于O（n 2.3727 ）和Ω（n 2 ）之间。
答案 1 :(得分：1)
这是向美国数学学会提出O符号的letter by Donald Knuth
答案 2 :(得分：0)
说任何算法都是O（n ^ n）是不正确的，因为大哦指的是一个紧上限。我们也没有说算法是O（n ^ n），而是算法的时间复杂度是O（n ^ n）。
我希望这能澄清事情。