我正在读一本Simon Harris和James Ross的书“Beginning Algorithms”。
在早期的页面中，有一节关于理解Big-O表示法。我读了这一节，重读这一节可能大约十几次。我仍然无法绕过一些事情。我感谢任何帮助摆脱困惑。
作者/作者声明“准确的操作次数实际上并不重要。算法的复杂性通常根据执行功能所需的操作次数的数量级来定义，用资本表示O表示顺序，后跟表示相对于字母N表示的问题大小的某种增长的表达式。“
这真让我头疼，不幸的是，这一段之后的其他一切对我来说都没有意义，因为这一段应该为下一次阅读奠定基础。
这本书没有定义“数量级”。我用Google搜索了结果，结果只是告诉我，数量级是以10的幂定义的。但这甚至意味着什么呢？您是否采用操作次数并以10的幂定义该数字，这等于复杂性？还有什么被认为是“问题的大小？”问题的大小是否为操作次数？或者问题的大小是“执行功能所需的操作次数的数量级。”
任何实际的例子和对此的正确解释都会有所帮助。
谢谢！
答案 0 :(得分：1)
保持简单！
只需将Big-O视为表达algorythm性能的一种方式。这种表现将取决于algorythm handeling = n的元素数量。
一个例子，当你必须总和时。第一次添加需要一个语句，第二次添加需要一个语句，依此类推......所以性能与元素数量的线性关系= O（n）。
想象一下，这是一种非常聪明的algorythm，对于每个句柄元素，它会自动缩短下一个元素的排序。这将是对数，元素数量= O（log（n））。
或带参数的复杂公式，以及每个额外参数，执行时间相乘。这将是指数= O（10 ^ n）。