为什么我们总是考虑最坏的时间复杂性?

时间:2015-09-09 09:37:46

标签: big-o time-complexity

为什么我们只关注最坏情况时间复杂度(Big O),给定数据集和2个代码片段/算法,我们能否始终确保算法将采用最坏的情况复杂度?

3 个答案:

答案 0 :(得分:1)

简短的回答:你不应该只关心最坏情况的复杂性。

如果你有一个实际有界的情况,那么常数因子可能比渐近复杂性更重要。示例:假设您有10个项目的集合。您可以在字典/映射/散列表中进行O(1)查找,或者在排序列表中进行O(log N)查找,或者在未排序列表中进行O(N)查找。

对于10个项目,渐近复杂性很少。实际上,由于更大的常数因子,O(1)字典查找可能比O(log N)排序列表查找慢。

所以你应该只关注渐近的复杂性,当你有很多东西的时候。

答案 1 :(得分:1)

我们不仅关注最坏情况的时间复杂性(或者如果你是,你不应该) - 另见Meaning of average complexity when using Big-O notation。平均时间可能同样有效,但在许多情况下,您希望确保算法不会花费很长时间。作为一个例子,为什么你会更关心'最坏情况':假设你可能不介意算法需要1或2秒*,但你想确保至少它不需要一个小时一些案例。

*是的,显然这在很多情况下非常重要,但假设这是一个需要运行一次的脚本。

问题的第二部分:不,我们不能总是确定“更复杂”的算法花费的时间最长(我假设通过“采取复杂性”,就像你说的那样,你的意思是'它在特定情况下实际需要多长时间')。 一个微不足道的反例是某种低效的“查找(第一次......)”算法恰好可以非常快速地获得指定的项目,而另一种好的算法只需要更长的时间,因为它会迭代文件/数组不同的顺序或方向。这显然将取决于很多数据,例如假设你感兴趣的值更有可能发生在文件/数组的末尾。

答案 2 :(得分:0)

我认为这三种复杂性都很重要。 这取决于您,您想要什么。

例如,有一个尺寸为x的管,您开始向其中填充水。 要知道何时水会开始溢出,您会发现上限(大小或容量),即最坏的情况下,该管可以容纳多少升水。

如果您想了解算法在最坏情况下的行为,即我的算法在最坏情况下将占用多少时间和空间,那么您需要考虑BIG(o),即上限。

类似地,您也可以追求最佳和平均水平。