算法分析：最坏情况分析|大O表示法|计算的复杂度

最坏情况分析

通常用来评判算法性能的三种情况是：最佳情况、平均情况与最坏情况。

ㅤ
对于任何算法来说，理解每种情况是如何产生的对于分析算法来说非常重要，因为算法在不同的情况下性能差异可能很大。
例如一种线性搜索的简单算法。线性搜索是一种自然的但效率低下的搜索技术，它简单地从数据集的头部顺序遍历到尾部。
在最佳情况下，要查找的元素处于数据集的第一个位置，所以在仅仅遍历一个元素之后就找到想查找的元素。
在最坏情况下，要查找的元素处于数据集的最后一个位置，所以必须在遍历完所有元素之后才能找到要查找的元素。
在平均情况下，可能会在数据集的中间某个位置找到元素。
许多算法在最坏情况下执行会消耗相当长的时间。
例如：在搜索元素时，数据集中根本就没有我们想查找的那个元素。
我们可以想象一下，这种情况在数据库的查找应用中经常出现。

考虑最坏情况分析的原因
考虑算法在最佳情况下的性能没有太多的意义，因为很多算法在最佳情况下的表现都相同。例如：在最佳情况下，几乎所有搜索算法都可以在一次查询中找到元素，而这并不能说明到底哪种算法更好，所以分析算法的最佳情况没有太多的意义。

分析算法平均情况下的性能往往不是那么容易。甚至我们很难去界定哪种情况叫做“平均情况”。通常我们不能精确地获得平均情况下的算法性能，这是因为我们无法准确地控制算法的执行状态。

最坏情况可以告诉我们算法性能的上限。分析一个算法的最坏情况可以保证在任何情况下此算法的表现都不会比最坏情况差，而其他情况肯定比最坏情况要好。

虽然我们把最坏情况当做很多算法性能的度量，但也有例外。因为有些时候我们也会用平均情况来评判算法性能。例如：随机算法中的快速排序算法，它使用了概率论的理论基础，从而有效地保证了平均情况下性能的准确性。

ㅤ
O表示法是用来表示算法性能的最常见正式的标记法。
O表示法指明了一个函数的上限值。