在研究数据结构和算法时，我同时遇到这两个术语，但我无法区分访问和搜索。例如，阵列的时间复杂度包括在搜索O（n）时访问O（1）的时间。
答案 0 :(得分：4)
让我们想象一条街道，我们称之为列表街。列表街上有房子。第一栋房子的地址是101 List Street。第二宫的地址是102 List Street。等等等等。
让我们知道我们的朋友Element住在List Street的第4宫，然后我们知道 Element必须住在104 List Street。我们可以立即进入他们的房子，因为我们确切地知道它在街上的位置。我们只需访问 1 house就可以找到Element。
但是，如果我们不知道Element住在哪个房子怎么办？我们不得不敲开每个房子的门，询问Element是否住在那里。在这种情况下，我们需要访问4个房屋，直到我们到104 List Street找到Element。
同样的想法适用于数组。数组存储数据类型。每种数据类型都具有相同的大小，例如int通常为4个字节。如果int数组从内存地址0x0001开始，并且我们想要访问任何元素，那么访问array[2]所需的时间与array[102]相同array[9999]。因为我们知道起始地址，并且我们知道每种数据类型的大小，所以我们可以立即跳转到内存中的那个位置。 O（1）
但是，如果您正在尝试搜索以查找特定元素，那么您需要访问每个元素并测试它是否是您要查找的元素，直到达到所需的元素。对于包含5个元素的数组，您可能需要搜索5次。 O（5）。对于包含900个元素的数组，您可能需要搜索900次才能找到所需的元素。 O（900）。对于包含n元素的数组，您将搜索n次。为O（n）
答案 1 :(得分：0)
访问：获取A [i]元素值
搜索：查找数组中是否存在某个值（并获取它的索引）
答案 2 :(得分：0)
访问数组的元素意味着您知道它的索引并使用它指定要加载的元素。此操作具有 O（1）的复杂度，因为必须计算存储器中的位置以实现此目的，并且无论索引（少量时间），计算都花费相同的时间量。
搜索元素意味着您不知道它在哪里（在这种情况下）在数组中顺序搜索它。最好的情况是，第一个元素是您正在搜索的元素，使得进一步搜索毫无意义，但这是非常不可能的。最糟糕的情况是，您查看的最后一个元素是您要搜索的元素，这意味着您必须遍历数组的所有n（ O（n）复杂度）元素到达你搜索的那个。实际上，如果n->无穷大，那么第一个或最后一个元素就是你要搜索的元素是非常不可能的，但很可能你必须按顺序查看很多元素。这个“批次”按比例随着元素的数量而增加，因此这是 O（n）的复杂性，或线性复杂度，因为线是
的函数f（x）= a * x + b
f'（x）= a
在这种情况下a = 1，但是当我们计算复杂度时，我们并不关心它是1还是2.我们关心它的导数，它是一个常数。而
的衍生物g（x）= a
是
g'（x）= 0
答案 3 :(得分：0)
让我们想一个类比：
连续有N个邮箱，其中一个是您的邮箱。每个邮箱都有自己的所有者名称。
当然你知道它在哪里，所以你不需要真正停下来看看每个邮箱来到你的邮箱。 这是访问。
现在有一位新邮递员来问你，你知道哪个西蒙的邮箱？
＆＃34;什么？什么哈希是西蒙？＆＃34;你说，＆＃34;我不知道，但我可以和你一起找到＆＃34;
由于邮箱没有按照所有者姓名排序的特定订单，您可以逐个访问它们以检查它是否属于Simon's。现在整个过程正在搜索。
现在，为了进入您自己的邮箱，您只能进行一次访问，对吗？即使邮箱N的数量发生了变化，这也不会改变！所以它是O(1)
但是对于搜索，最糟糕的情况是没有西蒙的邮箱，您只能知道此后访问所有邮箱，这是N访问权限。所以它是O(N)