如果我们有n值和相应的运行时间，我们怎么能猜出程序的大O速度？请注意，我不是来自CS背景，我已经做了一些阅读以将事情放在上下文中，但此时我完全无能为力。
答案 0 :(得分：1)
没有任何人可以告诉你，这将有助于你将来回答类似的问题。我建议你阅读这本书Intro to algorithms并尝试理解这个概念，如果你需要在采访中回答这些问题，那么可能会很好地利用你的时间。
答案 1 :(得分：1)
没有一般程序可以始终有效，但有许多技术通常都很强大。
假设程序的运行时具有以下“标准”形式之一：
如果它确实有这些形式之一，这里有一些有用的技术来确定控制big-O表达式的常量。
如果你的函数有运行时O（n k ），那么（对于大n）运行时将大致为T（n）= c·n k 。确定c和k是什么的一个非常有用的技术是使用log-log plot。假设您查看log T（n）和log（c·n k ）的值。注意
log（c·n k ）= log c + k log n
这意味着如果你有一个log-log图，其中因变量是log T（n）而自变量是log n，那么任何多项式都将作为一条线出现。然后，您可以使用任何标准线性回归技术来获得与该行匹配的最佳拟合线，您可以从中恢复上述表达式中的log c和k。从那里，算法的运行时间将是O（n k ）
如果您的运行时是指数级的（即某些a）的O（a n ），那么您可以使用标准日志图来恢复基数a。如果你的函数对于某些常数a和c大约是T（n）= c·a n ，那么取右边的日志就可以了
log（c·a n ）= log c + n log a
这意味着如果你绘制T（n）与log c + n log a，你会得到一些直线。然后，您可以进行回归以恢复log c和log a，从中可以读取运行时为O（a n ）。
希望这有帮助！
答案 2 :(得分：0)
你可以在数学上找到它（这是保证给出正确结果的方法，除非你犯了很多错误），或者凭经验（通过测量）。第二种方法经常给出正确的结果，但可以被欺骗。
对于实证结果，我从n = 1到n = 10开始，然后每次继续增长10％，绘制图表，直到花费太长时间。使用与n成比例的存储器的算法通常具有＆＃34;跳跃＆＃34;在内存要求进入下一个缓存级别时的执行时间;将n增加10％意味着您可以找到这些跳跃。
然后有一些算法，数据中的微小变化会导致时间上的巨大差异。对于NP完全问题，同一问题的一些实例可以很容易解决，有些可能非常难。或矩阵乘法，其中明显（和慢）算法的执行时间可能具有巨大变化，具体取决于n。