在我看来，我们只是缺少必要的硬件。具体来说，在内存中设计列表结构并不是不可想象的，当你将值写入元素a时，这导致一些信号从0变为1，导致它先前将a的值写入a + 1（ a的输出自动连接到+ 1的输入，你只需要增加一些东西来触发写入），并且这个传播速度非常快（比执行其他操作要快得多），因此大致有一个O（n log n）算法（当然，当你得到非常大的n时，这个传播需要n次，所以它仍然是一个O（n ^ 2）算法，但在我看来，对于小n，这个应该是可能的。
答案 0 :(得分：0)
Big-O符号与速度本身无关。本质上，它捕获函数的渐近行为。如果该函数描述了算法的运行时间，则Big-O表示法描述了它的渐近增长顺序。
当然，当你得到非常大的n时，这个传播需要n次，所以它确实是一个O（n ^ 2）算法
这没有意义。插入排序的时间复杂度不依赖于输入大小;运行时间可能会有所不同，具体取决于具体输入值，但插入排序仍然分别为最佳或最差情况下运行Ө（n）或Ө（n²）。
请注意，如果算法在T（n）=n²+ 2 100 中运行，则仍为O（n²）。如果算法为你做O（n²）并且之后计算pi的前十亿个数字，它仍然是O（n²），前提是后面的计算独立于输入大小n 。
最后，引用Cormen等人的算法导论，3 rd ：
在我们分析算法之前，我们必须有一个模型 我们将使用的实现技术，包括模型 该技术的资源及其成本。
在评估算法的运行时间之前，您需要就将要使用的计算机的一般模型达成一致。因此，硬件考虑因素是该协议的一部分。