哦vs大
可能重复：
Θ（n）和O（n）之间的区别是什么？
在我看来，当人们非正式地谈论算法的复杂性时，他们会谈论大 - 哦。 但在正式的情况下，我经常会看到偶尔会出现的大屁股。我从数学角度知道两者之间的区别，但在英语中，在什么情况下会使用大哦，当你的意思是大的时候不正确，反之亦然（示例算法将被赞赏）？
奖金：为什么人们在非正式谈话时似乎总是用得很大？
大O是一个上限。
Big-Theta是一个紧密的界限，即上限和下限。
当人们只担心可能发生的最坏情况时，大O就足够了; 即它说“它不会比这更糟糕”。 当然，边界越紧密越好，但紧密边界并不总是易于计算。
也可以看看
相关问题
以下来自维基百科的引用也显示出一些亮点：
非正式地，特别是在计算机科学中，大O符号经常被允许有些滥用来描述渐近紧束缚，在某种情况下使用Big Theta符号可能更符合事实。
例如，当考虑函数T(n) = 73n 3 + 22n 2 + 58 ，以下所有通常都是可接受的，但是绑定的紧密性（即下面的子弹2和3）通常强烈地优于绑定的松弛度即下面的子弹1）。
T(n) = O(n 100 ) ，与T(n) ∈ O(n 100 ) T(n) = O(n 3 ) ，这与T(n) ∈ O(n 3 ) T(n) = Θ(n 3 ) ，其与T(n) ∈ Θ(n 3 ) 相应的英语语句分别是：
T(n)渐近地增长不超过n 100 T(n)渐近地增长不会快于n 3 T(n)与n 3一样快地增长。 因此，尽管所有三个陈述都是真实的，但每个陈述都包含越来越多的信息。 然而，在某些领域，Big O符号（上面列表中的第2号子弹）比Big Theta符号更常用（上面列表中的第3号子弹），因为增长更慢的函数更可取。
我是一名数学家，而且我一次又一次地看到并需要大O，大-Theta和大Omega符号，而不仅仅是算法的复杂性。 正如人们所说，大泰塔是一个双向的界限。 严格地说，当你想解释算法能做得多好时，你应该使用它，或者那个算法不能做得更好，或者没有算法能做得更好。 例如，如果你说“排序需要Θ（n（log n））比较最坏情况下的输入”，那么你解释说有一个排序算法使用O（n（log n））比较任何输入; 并且对于每个排序算法，都有一个强制它进行Ω（n（log n））比较的输入。
现在，人们使用O代替Ω的一个狭义理由是放弃关于最差或平均情况的免责声明。 如果你说“排序需要O（n（log n））比较”，那么该语句对于有利的输入仍然适用。 另一个狭义的原因是，即使一个算法做X需要时间Θ（f（n）），另一个算法可能会更好，所以你只能说X本身的复杂性是O（f（n））。
然而，更广泛的原因是，人们非正式地使用O.在人的层面上，当反面从背景中“显而易见”时总是做出双面陈述是一种痛苦。 因为我是一名数学家，所以我理想的时候总是要小心地说，“只要下雨，我就会带雨伞”或者“我可以玩弄4个球而不是5个”，而不是“我会拿伞，如果它降雨“或”我可以玩弄4个球“。 但是另一半的这种言论通常显然是有意或无意的。 显而易见，这只是人为天性。 把头发分开是令人困惑的。
不幸的是，在数学或算法理论等严格的领域，它也混淆不去分割头发。 当他们应该说Ω或Θ时，人们将不可避免地说出O. 跳过细节是因为它们“显而易见”总是会导致误解。 对此没有解决方案。
因为我的键盘有一个O键。
它没有Θ或Ω键。
我怀疑大多数人都是懒惰的，当他们指Θ时使用O，因为它更容易输入。
链接地址: http://www.djcxy.com/p/6829.html上一篇: oh vs big