如第5课中的数据结构课程课程中给出的摊销分析的聚合方法中的O（n）/ n = 1如何 - 摊销分析：聚合方法？
答案 0 :(得分：0)
O（n）/ n = cn / n = c = O（1）
我们使用摊销分析来分析操作的序列的成本，而不是单个操作的成本。在最后一种情况下，我们使用渐近分析（一些渐近符号是：Theta，Big O，Big Omega，Little O和Little Omega），但是当我们遇到一系列操作时，它并没有那么好用。想要了解该序列的成本。
原因是，如果我们申请＆＃34;常规＆＃34;渐近分析，我们，例如，在最坏情况分析中的渐近上界可能太<强>悲观。经典示例是插入动态数组。您将元素插入到动态分配的数组中，当它已满时，您可以定义新数组（例如，两倍大）并复制所有元素。事情是大多数插入将在恒定时间（或在O（1））中工作，但是当您需要重新定义数组时，它将需要线性时间（O（n）），因为您需要复制所有元素。
所以想象你插入了n个元素，你需要重新定义你的数组一次，然后你有n个操作，在最坏的情况下每个操作都是O（n），因此在最坏的情况下操作序列的成本是O（n ^ 2），考虑到大多数操作在最坏的情况下是O（1）并且只有一个是O（n）这一事实看起来过于悲观。
我们将一系列操作的摊余成本定义为（n次操作的成本）/ n。在你的情况下，n个操作的成本是O（n），它等于cn（其中c是一些常数），只是通过Big O表示法的定义，除以n，你只得到c，它等于O （1）因为，再一次，c只是一些常数。