我对Big（O）表示法感到困惑。 Big（O）机器是独立的还是机器独立的？ （机器在我们运行算法的计算机中） 在i3处理器和i7处理器中使用快速排序对1000个数字进行排序是否相同？在计算时间复杂度时，为什么我们不考虑机器及其处理器速度？我是这个东西的初学者。
答案 0 :(得分：8)
Big-O衡量的是可扩展性，而不是速度。它显示了当你例如它对时间和记忆的影响。数据量加倍 - 是执行加倍还是两倍？
无论您使用i7还是i3，双倍都是双倍的。无论线性算法是快还是慢，双倍都是双倍的。
这也是许多人忽视的另一个含义。对于给定的O(n^3)，O(n)等复杂算法可能比n这样的简单算法更快，低于某个限制。例如：
loop n times:
loop n times:
loop n times:
sleep 1 second
是O(n^3)，因为它有3个嵌套循环。
loop n times:
sleep 10 seconds
是O(n)，因为它只有一个循环。对于n = 10，第一个程序执行1000秒，第二个程序仅执行100.因此，O(n)是好的！人们很想说。但是如果你有n = 2，第一个复杂的程序只在8秒内执行，而第二个，更简单的程序执行20个！即使对于n = 3，第一个在27秒内执行，第二个在30中执行。因此，虽然n较低，但复杂程序可能胜过较简单的程序。只是当n上升时，复杂程序变得比一个简单的程序慢得多（如果有意义）。对于n = 1000，简单代码已经上升到10000秒，但复杂的代码现在是1000000000秒！
此外，这清楚地表明复杂性不依赖于处理器。第二个是第二个。
编辑：此外，您可能需要阅读this question，其中Big-O在一些非常高质量的答案中进行了解释。
答案 1 :(得分：0)
Big（O）表示法是计算算法复杂度的方法，因此也就是计算运行所需的相对时间。对于相同的数据，相同的算法将在更快的处理器上运行得更快，但仍将采用相同数量的操作。它被用来评估不同算法的相对效率，以达到相同的效果。
答案 2 :(得分：0)
Big O表示法在任何方面都不依赖于体系结构，它是一个数学结构。它是一种非常有限的算法复杂度度量，它只给出了性能如何随数据大小变化的粗略上界。
答案 3 :(得分：0)
大（O）依赖于算术。它的工作是帮助比较各种算法的相对成本，而无需考虑机器的依赖性。
通过数组进行线性搜索，如果找到，平均会查看大约1/2个元素。出于所有实际目的，O（N / 2）与O（1/2 * N）相同。对于compairson，你抛弃系数。因此它是O（N）使用。
二叉树也可以容纳N个元素进行搜索。在agerage上，它会通过log base 2（N）来查找某些东西，因此你会看到它被描述为cost O（LN2（N））。
弹出N的小值，算法之间没有太大的区别。弹出大的N值，很明显二叉树查找要快得多。
答案 4 :(得分：0)
Big（O）不依赖于机器。表示算法的复杂性是数学符号。通常我们在理论上使用这些符号来比较算法性能。