Big O,Big Theta,Big Omega,little o,little omega notation的定义

最近在看MTI关于算法导论的公开课，对于一个超级门外汉，一听到这些记法瞬间就懵了，于是只能求助于谷哥。

（1）Big O

如果存在正数c和N，对于所有的n>=N，有f(n)<=c*g(n)，则f(n)=O(g(n))

是不是很抽象？其实这玩意儿说通俗一点就是求一个算法的worst-case，即是一个最坏情况的度量，求的是上界。

（2）Big Omega

如果存在正数c和N，对于所有的n>=N，有f(n)>=c*g(n)，则f(n)=Omega(g(n))

和Big O相反，这个玩意儿是很乐观的，求得是一个算法的最好情况，即下界，即best-case。不过这玩意儿基本上没什么用，因为你总不能跟用户说我这个算法最快的执行时间是3秒吧？万一一不小心执行了三年，用户岂不要气得吐血？

（3）Big Theta

如果存在正数c1，c2和N，对于所有的n>=N，有c1*g(n)<=f(n)<=c2*g(n)，则f(n)=Theta(g(n))

这个记法表示一个算法不会好于XX，也不会坏于XX，太中庸了，没有激情啊。所以也就是求average-case。

（4）little o

对于任意正数c，均存在正数N，对于所有的n>=N，有f(n)<c*g(n)，则f(n)=o(g(n))

（5）little omega

对于任意正数c，均存在正数N，对于所有的n>=N，有f(n)>c*g(n)，则f(n)=omega(g(n))

好了，就简单介绍到这儿吧，以后有什么再做补充。