我想这可能是课堂上教的东西，但作为一名自学成才的程序员，我很少见到它。
我收集它与时间有关，O（1）是最好的，而像O（n ^ n）这样的东西非常糟糕，但有人可以指点我对它的基本解释实际上代表了这些数字来自哪里？
答案 0 :(得分：4)
Big O指的是最差的运行时顺序。它用于显示算法根据数据集的大小（n->项目数）进行扩展的程度。
由于我们只关注顺序，因此忽略常数乘数，并且也删除任何增长速度低于主导项的项。一些例子：
单个操作或一组操作是O（1），因为它需要一些恒定的时间（不会根据数据集大小而变化）。
循环是O（n）。数据集中的每个元素都循环遍历。
嵌套循环是O（n ^ 2）。嵌套的嵌套循环是O（n ^ 3），然后是向前。
二叉树搜索之类的东西是log（n），这更难显示，但在树的每个级别，可能的解决方案数量减半，因此级别数为log（n）（前提是树是平衡的。）
找到最接近给定值的一组数字之和的东西是O（n！），因为需要计算每个子集的总和。这非常糟糕。
答案 1 :(得分：4)
这是表达时间复杂性的一种方式。
O(n)表示列表中的n元素，需要n次计算才能对列表进行排序。这一点都不错。 n的每次增加都会线性增加时间复杂度。
O(n^n)很糟糕，因为执行排序所需的计算量（或者你正在做的任何事情）会随着n的增加而呈指数级增长。
O(1)是最好的，因为它意味着执行函数的计算，考虑哈希表，在哈希表中查找值具有O(1)时间复杂度。
答案 2 :(得分：1)
应用于算法的Big O表示法指的是算法的运行时间如何取决于输入数据量。例如，排序算法对大型数据集的排序需要更长的时间而不是小型数据集。如果对于排序算法示例，您将运行时间（垂直轴）与要排序的值的数量（水平轴）进行绘图，对于从零到大数的值的数量，结果的线或曲线的性质将取决于使用的排序算法。 Big O表示法是描述直线或曲线的简写方法。
在大O表示法中，括号中的表达式是绘制的函数。如果表达式中包含变量（比如n），则此变量引用输入数据集的大小。你说O（1）是最好的。这是正确的，因为图f（n）= 1不随n变化。无论输入数据集的大小如何，O（1）算法都需要相同的时间来完成。相比之下，O（n ^ n）算法的运行时间随着输入数据集大小的平方而增加。
这是基本的想法，有关详细说明，请参阅标题为“Big O Notation”的维基百科页面。