我知道Big O是一个上限，而Big Theta是一个紧密的界限，例如我们考虑函数f（n）= O（g（n））或类似的Big Theta。 但是我们怎么知道使用Big theta表示法而不是Big O表示特定算法会更好？
例如，选择排序的时间复杂度为N ^ 2的Big Theta而不是N ^ 2的Big O，为什么？
答案 0 :(得分：1)
这不是一个更好的问题，而是你想要学习什么的问题。 如果您想研究最坏的情况，那么您可以使用上限符号。请记住，越严格越好，但在某些情况下，很难计算紧束缚。 一般来说，当人们谈论big-O或big-teta时，他们的意思是同样的，所以在Selection sort中你也可以使用big-O表示法
答案 1 :(得分：1)
我同意上面的回答，它更多地是关于您正在尝试研究的算法。如果只需要最坏的情况下的运行时间，这意味着在最坏的情况下该算法将至少在一定时间内运行，那么最好使用Big-O。例如，对于选择排序，最坏的情况是O（n ^ 2）。如果您想研究最坏情况和最佳情况下的运行时间，那么您还想找到Big-Omega。如果这些相同（在最佳和最差情况下，该算法将在相同的时间量内运行），那么您将要使用Big theta声明这一次对于所研究的算法来说是一个紧要关头。这通常更具描述性，因为它可以更好地了解算法如何在大型数据集上运行。对于选择排序，因为最佳和最差情况下的运行时间为n ^ 2（由于嵌套循环），所以平均值将为theta（n ^ 2）。