【发布时间】：2015-10-28 19:34:52
【问题描述】：
我似乎混淆了两个概念，渐近复杂度（函数增长的速度）和大 O（算法的时间复杂度）。它们是一样的吗？
例如，我知道O(1) 是算法的最佳案例运行时间。但很明显，这比O(n^n) 之类的增长速度要慢，后者增长得非常快，但这不是一种有利的算法复杂性吗？
还有类似的：
nlogn 的增长速度比 1 或 logn 快，但所有这些函数的增长速度都比 n^n 慢？任何澄清将不胜感激。
【问题讨论】：
-
快速增长是不好的。你似乎已经明白这很好。不知道为什么。
-
两个大学课程（数据结构和离散数学）之间的混淆会导致误解，进而导致误解。
-
这取决于你想要什么。如果你想让你的算法超慢（例如，如果你想要一个能抵抗彩虹表攻击的哈希函数），快速增长是好的。如果你想用更少的资源，那当然不好……
标签： algorithm data-structures big-o time-complexity discrete-mathematics