我们知道，在快速排序中，最坏的情况是O（n ^ 2） 我可以解决以下数组：
1 2 3 4 5 6 7 8 9 10
当我将n的值放在最坏情况的答案方程中时是100 但在空运行中，它可以解决51个步骤。
的原因有很大的不同答案 0 :(得分：2)
O（n ^ 2）意味着复杂度随n的平方而增加，而不是恰好是n^2。
您需要检查ans增长时成本（n）增长的情况。尝试将5、10和20项放入最坏情况的数组中，然后您会发现an并没有成比例增长（每次2倍）到n，而是增长得更快。
答案 1 :(得分：0)
在考虑如何将Big O定义为快速排序算法中的最坏情况时，考虑Big O的定义将很有帮助。大O描述函数的渐近行为。当提到一种算法时，运行时间的上限是f（x），即O（f（x））。这意味着您的算法增长速度不会超过f（x）。在您的示例中，快速排序的上限为（n ^ 2），因此，由于n任意大，它的增长速度不能超过n ^ 2。
被n ^ 2限制在上面并不一定意味着最坏的情况恰好需要n ^ 2步。它在上方也受到n ^ 4，n ^ 100，n ^ n的限制。这意味着快速排序永远不会比n ^ 2，n ^ 4，n ^ 100，n ^ n快。
描述大O时要牢记的另一点是考虑n任意变大或趋于无穷大。在此示例中，n为10，但是当在最坏的情况下考虑较大的n的Big O时，步数将增加，但永远不会超过n ^ 2。我希望这会有所帮助！