O（n）和O（1 + n）之间的实际区别？
O（n）不是O（1 + n）的改进吗？
这是我对差异的概念：
上）：
for i=0 to n do ; print i ;
O（1 + n）：
a = 1;
for i=0 to n do ; print i+a ;
...这只会减少到O（N）的权利？
如果目标时间复杂度为O（1 + n），但我在O（n）中有一个解决方案，这是否意味着我做错了什么？
谢谢。
O（1 + n）和O（n）在数学上是相同的，因为你可以直接从形式定义或使用O（a（n）+ b（n））等于O a（n））和O（b（n））。
当然，在实践中，如果你做n + 1件事情（通常依赖于编译器优化/等等）花费的时间比只有n件事要花费更多的时间。 但是，大O符号是讨论这些差异的错误工具，因为它明确抛弃了这种差异。
这不是一个改进，因为BigO没有描述算法的确切运行时间 ，而是它的增长率 。 因此，BigO描述了一类函数，而不是一个函数。 O(n^2)并不意味着你的用于输入大小为2算法将在4运算中运行，这意味着如果你将应用程序的运行时间绘制成n的函数，它将渐近地被上限c*n^2从n0开始。 这很好，因为我们知道我们的算法对于每个输入大小会有多慢，但我们并不真正知道它的速度有多快。 为什么使用c ？ 正如我所说的，我们不关心确切的数字，而是关心函数的形状 - 当我们乘以一个常数因子时，形状保持不变。
O（n）不是O（1 + n）的改进吗？
不它不是。 渐近地，这两个是相同的。 事实上，O（n）与O（n + k）相同，其中k是任何常数值。