这是我一直以来的疑问。例如，我有一个大小为n ^ 2的二维数组（n是行和列的数量）。假设我要打印二维数组的所有元素。当我针对n计算算法的时间复杂度时，它是O（n ^ 2）。但是，如果我根据输入大小（n ^ 2）计算时间，则它是线性的。这些计算都正确吗？如果是这样，为什么人们对二维数组只在各处使用O（n ^ 2）？
答案 0 :(得分：0)
时间复杂度不是这样工作的。您不能那样做“简单数学”。
范围x的二维正方形数组具有n = x*x个元素。打印这些n元素需要进行n个操作（如果您一次打印n/m个项目，则需要m个操作，即O(N)。必要的工作随元素的数量线性地增加（顺便说一下，就数组范围而言是二次方的-但是如果在4维数组中排列相同数量的项，是否会会有所不同吗？显然，不会。这并不是神奇的O(N^4)）。
您所使用的时间复杂性不是那样的东西。您希望时间复杂度告诉您一个大概的想法，即如果您将输入数量增加到某个限制之外，则某些特定算法将如何改变其行为。
因此，您想知道的是，如果对一百万个项目或对两百万个项目进行XYZ处理，大约需要花费两倍的时间，或者例如，大约需要十六倍的时间。
时间复杂度分析与“小细节”无关，例如实际操作需要花费多少时间。由于恒定因素（例如内存等待时间或总线等待时间，高速缓存未命中，故障，访问时间等）起着越来越重要的作用，这往往使整个事情在现代体系结构中变得越来越学术化，几乎没有用处。几十年来一直保持不变，而每一代新计算机的实际单步成本（指令吞吐量，ALU能力等）却不断下降。
实际上，愚蠢的，线性的，蛮力的方法比具有更好时间复杂性的“更好”的方法要快，只是因为恒定因素主导着一切。