我正在修改Big O和其他相关范围的正式定义,这让我感到震惊。在我正在阅读的书中(Skiena),Big O的定义是:
f(n)= O(g(n)),当存在常数c时,对于n> n0的某个值,f(n)总是<= c * g(n)
这通常对我来说很有意义。我们只关心增长率实际上很重要的足够大的n值。但是,为什么将g(n)乘以c?似乎我可以为c选择一个非常大的值,并通过吹出较小的g(n)值来使整个事情变得任意。
次要问题:在选择将算法分类为复杂度类别时,通常的经验法则是仅根据Big O的定义选择仍然保持的最低增长类别?根据定义,将恒定时间算法归类为O(n!)似乎是有效的,仅因为f(n)将小于等于c * g(n)。当然,这没有任何价值。
谢谢!
您可以乘以g(n)任意常数c是因为您想要的功能c离仅有一个常数因子f(n)。简而言之,您将基于而n不是常量执行分析,因此您所关心的是这些函数如何根据输入大小而变化。例如,当您拥有n^3并且n没有办法时,您无法选择一个c位置,`c*n
g(n)
c
f(n)
n
n^3
= n^3除非c >= n^2该位置不再恒定,因此g(n)将f(n)与with 分开n`。
除非
该位置不再恒定,因此
将
与with 分开
正如Ed所提到的,该分析不会给您确切的运行时间,而是取决于输入 n* 的 增长率 。如果和始终(至多)始终是一个恒定的相互远离的因素,那么增长率将是相同的。 *g(n)``f(n)
g(n)``f(n)
在这种时间复杂度分析中,我们并不真正在乎常量,在大多数情况下都可以, 但是 在某些情况下,您实际上应该将其考虑在内。例如,如果您正在处理小型集合,则由于常量,O(n ^ 2)算法实际上可能比O(nlogn)更快。
第二个问题:是的,这是 BigO* 的常见问题,您可以使用任意函数,这就是为什么我们通常试图找到g(n)我们能找到的“最紧密的” 函数,否则找到它就没有多大意义了。这就是 BigTheta 比 BigO 有用的 原因,** 因为它告诉您一个紧密的界限,而不是一个上限。