我对大O符号的某些方面有点困惑。我为这个错综复杂的例子提前道歉
如果是函数ex。 O(2^N) + O(N^7); N输入值被认为是相同的，O(N^7)将支配O(2^N)，或者大O值可以减少到O(N^7)。 O(2^N) * O(N^7)也是如此; O(N^7)将占主导地位，因为N（或输入）的值被认为是相同的，并且运行时O(N^7)比O(2^N)更差。函数需要具有两个输入值，这两个输入值可以缩放以便将函数表示为O(2^N) + O(M^7)，并且输入O（2 ^ N）的运行时将支配O（M ^ 7）。那是对的吗？
这里也是我混淆的地方。现在，如果我们比较两个函数，一个带有运行时O(N^7)的函数和一个带有运行时O(2^N)的函数。 N或输入被认为是相同的，并且函数2^N运行时会比N^7更差？除非明确说明它们与我们不同，否则我们应该假设N是相同的。换句话说，Big O正在比较两个（为简单起见我使用两个）输入（N）的缩放值，并且N必须被认为是相同的以进行比较。我理解正确吗？
任何帮助都将受到赞赏或链接到重复的帖子，因为我确信此问题之前已被问过。我只是在堆栈溢出时找不到它。
答案 0 :(得分：0)
“
O(2^N) + O(N^7)...O(N^7)将支配O(2^N)”
没有。指数增长远远快于任何多项式。
“对
也是如此O(2^N) * O(N^7)”
没有。您不能忽略非常量乘法因子。它将增长为O(N^7 * 2^N)。
“......运行时
更差O(N^7)比O(2^N)”
再次，不。
“两个输入值......
O(2^N) + O(M^7)...O(2^N)将支配O(M^7)”
这是正确的，但前提是M不是N的指数。
总之，我建议阅读big-O。你似乎没有掌握渐近增长的概念。