Big o 无法理解教科书中的分词或大O示例

到目前为止，理解大O符号及其计算方法还可以……大多数情况都很容易理解。然而，我只是遇到了一个我一生都无法解决的问题

说明：为表达式选择最佳的大O符号

(n^2 + lg(n))(n-1) / (n + n^2)

答案是肯定的。这一切都很好，但考虑到分子中的n^3因子，这是如何合理化的呢？n^3不是最好的，但我认为fn非严格答案之间有一个最小的基础：

分布分子积，我们发现分子是n^3+n logn-n^2-logn。 我们注意到，对于大n，分子增长为n^3，对于大n，分母增长为n^2。 我们将其解释为大n的增长为n^{3-2}，或On。 非严格答案：

分布分子积，我们发现分子是n^3+n logn-n^2-logn。 我们注意到，对于大n，分子增长为n^3，对于大n，分母增长为n^2。 我们将其解释为大n的增长为n^{3-2}，或On。

---

如果你把这个算法放到Wolfram Alpha中：

如果你展开它，你会得到一个三次函数除以一个二次函数。对于Big-O，常数无关紧要，功率越大越好，因此您的结果是：

接下来是数学归纳法。相对于越来越大的n值，整个算法以类似线性的方式增长。它不是很线性，所以我们不能说它有一个很大的ωn，但它确实相当合理地接近于On，因为摊销的恒定增长率

或者，你可以到处惹恼数学家说，因为这是基于大O规则，我们可以从分母中去掉n的因子，从而通过简单的除法得到on。然而，在我看来，这仍然是非常不重要的。

---

请记住，这是一个不太严格的解释，对你的班级来说可能不太令人满意，但这给了你一些关于其运行时的基于数学的观点。

如果你把这个算法放到Wolfram Alpha中，：

如果你展开它，你会得到一个三次函数除以一个二次函数。对于Big-O，常数无关紧要，功率越大越好，因此您的结果是：

接下来是数学归纳法。相对于越来越大的n值，整个算法以类似线性的方式增长。它不是很线性，所以我们不能说它有一个很大的ωn，但它确实相当合理地接近于On，因为摊销的恒定增长率

或者，你可以到处惹恼数学家说，因为这是基于大O规则，我们可以从分母中去掉n的因子，从而通过简单的除法得到on。然而，在我看来，这仍然是非常不重要的。

---

记住，这是一个不太严格的解释，对你的课堂来说可能不太令人满意，但这给了你一些关于它运行时的基于数学的观点。

哦，这太棒了。那么，这些类型的含义可以被提出吗？这非常有帮助。关于什么类型的代码导致lgn或lgn性能有什么想法吗？当您可以执行解决方案空间的递归拆分时，通常会出现对数复杂性。例如，二进制搜索是log_2n。好的，当我开始阅读那本大得惊人的算法介绍书时，我会记住这一点……希望未来！谢谢明亮的星星哦，太棒了。那么，这些类型的含义可以被提出吗？这非常有帮助。关于什么类型的代码导致lgn或lgn性能有什么想法吗？当您可以执行解决方案空间的递归拆分时，通常会出现对数复杂性。例如，二进制搜索是log_2n。好的，当我开始阅读那本大得惊人的算法介绍书时，我会记住这一点……希望未来！谢谢bright Star真棒，谢谢你的澄清。我假设，随着时间的推移，开发伟大的基于时间的程序变得更容易或更直观？我在自己的时间里处理CS领域的问题，只是读书和闲聊……独奏它让我更兴奋，对材料有了更深的理解。识别你编写的算法的运行时间是一项至关重要的技能，因为它通常意味着性能好的代码和性能差的代码之间的区别。随着时间的推移，它会变得更简单，因为它能够分析您的代码。很高兴知道，期待未来的事情。谢谢，真棒，谢谢你的澄清。我假设，随着时间的推移，开发伟大的基于时间的程序变得更容易或更直观？我在自己的时间里处理CS领域的问题，只是读书和闲聊……独奏它让我更兴奋，对材料有了更深的理解。识别你编写的算法的运行时间是一项至关重要的技能，因为它通常意味着性能好的代码和性能差的代码之间的区别。随着时间的推移，使用

---

能够分析你的代码。很高兴知道，期待未来。谢谢，Makoto