我似乎混淆了两个概念，渐近复杂度（函数增长得多快）和Big O（算法的时间复杂度）。它们是一样的吗？
例如，我知道O(1)是算法运行时间最好的情况。但显然这种情况比O(n^n)增长得慢得多，nlogn增长得非常快，但算法的复杂性不是很好？
还有类似的东西：
1的增长速度超过logn或n^n，但所有这些功能的增长速度都比{{1}}慢？任何澄清将不胜感激。
答案 0 :(得分：0)
Big O是一种测量可能是时间或空间的算法的渐近复杂度的方法。来自维基百科链接：
通常仅以大O表示法描述函数 提供了函数增长率的上限。
...
Big O表示法也用于许多其他领域，以提供类似的估计值。
对于n的大小，有一些话要说，因为O（1）是最好的复杂性，尽管这表明，对于足够大的n，常数项并不重要。
https://classes.soe.ucsc.edu/cmps102/Spring04/TantaloAsymp.pdf可能有助于查看可以使用的不同符号。