为了方便或简单的外观，使用更高的Big-O表示法值是否常见？
例如：我正在研究这种算法＆＃34; bifragment gap carving＆＃34;简要解释here（第66页）。如果我理解正确，算法将采用任何间隙大小n，最大值为sum from 1 to n，但在同一文档中它表示：
该技术不适用于存在大间隙碎片的文件。如果n是bh和bz之间的簇数，那么在最坏的情况下，可能需要n ^ 2个对象验证 在成功恢复之前。
所以我的问题是：我是否理解算法错误或最差情况运行时向上舍入到n^2看起来比总和更好？
答案 0 :(得分：2)
＆＃39;总和从1到n＆＃39;实际上等于（n + 1）* n / 2，或（n ^ 2/2 + n / 2）
因此，在这种情况下，数量级为n^2。没有简化（当n很大时，你可以明显地删除乘法常数，如1/2和n << n^2。
答案 1 :(得分：1)
回答实际问题：是的，它不仅是常见的，而且非常普遍。 O（N * N）表示对于某些未指定的c，度量（通常是运行时间）上升的速度不会快于c * N * N.当N上升时，N * N + N显然小于2 * N * N，因此O（N * N + N）只是O（N * N）。
答案 2 :(得分：1)
O（f）中给出的函数f是算法复杂度的上限。这意味着对于所有大小为n的输入（大于特定大小n0），您的算法不会使用比const * f（n）更多的时间（或空间）。
如果你的算法总和（i，i = 0 ... n）步（等于n *（n-1）/ 2并且是二次函数），则表示const * n * n是有效的所有n的上限> n0 - >复杂度为O（n ^ 2）
另一个解释看这里： big o notation in plain english