算法复杂度

O(g(n))表示一个函数集合

定义：O(g(n)) = {f(n):存在c>0,>0,使得对所有n有0f(n)c*g(n)}

例：2=O() （即2O() ,O()2）

即2是属于O() 定义的集合的，假设c=2,=10，则0f(n)cg(n)即 022*即0，对于所有的n10，都大于，所以2O()

直观上来看，其实O标记定义的就是一个上界，表示算法最糟糕的情况下主要操作的执行次数也不会超过c*（n为规模，如对n个数进行排序），所以如果某算法在最糟糕情况下的主要操作的执行次数为2，它也依然可以说是时间复杂度为O()的算法

 

(g(n)) = {f(n):存在c>0,>0,使得对所有n有0c*g(n)f(n)}  

（表示的是一个下界）

(g(n)) = {f(n):存在>0,>0,>0,使得对所有n有0*g(n)f(n)*g(n)}

（表示的是一个渐进紧确界）

o(g(n)) = {f(n):对任意c>0,存在>0,使得对所有n有0f(n)＜c*g(n)}

（o表示的是一个严格的上界）

(g(n)) = {f(n):对任意c>0,存在>0,使得对所有n有0c*g(n)＜f(n)}

（表示的是一个严格的下界）

 

当n大于某个值到趋于无穷的这个区间中：

f(n)(g(n))： 存在c使得f(n)总小于等于c*g(n)

f(n)(g(n))：存在c使得f(n)总大于等于c*g(n)

f(n)(g(n))：存在和使得f(n)总介于*g(n)和*g(n)之间

f(n)o(g(n))：不管c多小f(n)都小于c*g(n)

f(n)(g(n))：不管c多大f(n)都大于c*g(n)

 

f(n)(g(n))f(n)的最高阶项一定和g(n)相同。

f(n)(g(n))f(n)O(g(n))且f(n)(g(n))。

 

对于、、、不管f(n)是多少项的多项式，只需要看最高次项，增长最快的那项即可

1、log n、n、n*log n、、、、n! 在前面的增长越慢，后面的增长越快