O符号？ 你如何提出像O（n）这样的数字？
可能重复：
大O的纯英文解释
我可以想象这可能是课堂上教授的东西，但作为一名自学成才的程序员，我很少看到它。
我已经认识到这与时间有关，O（1）是最好的，而O（n ^ n）这样的东西非常糟糕，但是有人能指出我对它实际表现的基本解释，这些数字来自哪里？
大O指的是最糟糕的运行时顺序。 它用于显示算法如何根据数据集的大小来扩展（n - >项目数）。
由于我们只关心秩序，所以常数乘数被忽略，任何增长得比主导性项速度增加的项也被删除。 一些例子：
单个操作或一组操作是O（1），因为它需要一些恒定的时间（不会根据数据集大小而变化）。
循环是O（n）。 数据集中的每个元素都被循环。
嵌套循环是O（n ^ 2）。 嵌套的嵌套循环是O（n ^ 3），并且继续。
例如二叉树搜索是log（n），这更难以显示，但是在树的每一级，解决方案的可能数量减半，所以级数为log（n）（假设树是平衡的）。
像找到一组最接近给定值的数字的总和就是O（n！），因为需要计算每个子集的总和。 这真是太糟了。
这是一种表达时间复杂性的方式。
O(n)表示列表中的n元素，需要n计算来对列表进行排序。 这根本不坏。 n每次增加都会线性增加时间复杂度。
O(n^n)是不好的，因为执行排序所需的计算量（或者你正在做的）将随着你增加n呈指数增长。
O(1)是最好的，因为它意味着执行一个函数的1次计算，考虑哈希表，在哈希表中查找值具有O(1)时间复杂度。
适用于算法的大O符号指的是算法的运行时间如何取决于输入数据量。 例如，排序算法比小数据集要花费更长的时间才能对大数据集进行排序。 如果对于排序算法示例，可以绘制运行时间（垂直轴）与要排序的值的数量（水平轴），对于从零到大数值的数值，将生成的直线或曲线的性质取决于所使用的排序算法。 大O符号是描述直线或曲线的简写方法。
在大O表示法中，括号中的表达式是绘制的函数。 如果表达式中包含变量（如n），则此变量指的是输入数据集的大小。 你说O（1）是最好的。 这是事实，因为图f（n）= 1不随n变化。 无论输入数据集的大小如何，O（1）算法都会花费相同的时间量来完成。 相比之下，O（n ^ n）算法的运行时间随着输入数据集的大小的平方而增加。
这是基本思想，对于详细的解释，请参考维基百科页面，标题为“大O符号”。
链接地址: http://www.djcxy.com/p/6759.html