Big o 大Oh符号-推送和弹出
我想我至少已经开始理解大Oh符号背后的理论了，也就是说，它是一种测量函数增长速度的方法。换句话说，大O量化了算法的效率。但它的实施是另一回事 例如，在最佳情况下，推拉操作将是O（1），因为从堆栈中移除或添加到堆栈中所需的步骤数将是固定的。不管值是多少，过程都是一样的 我试图设想一系列事件（如推送和弹出）如何将性能从O（1）降低到O（n^2）。如果我有一个包含n/2容量、n个推送和弹出操作的数组，以及一个动态数组，在满或半满时将其容量加倍或减半，那么这些操作发生的顺序如何可能影响程序完成的速度？由于push和pop在堆栈的顶部元素上工作，所以我很难看到效率如何从常数变为O（n^2） 提前感谢。如果我将堆栈实现为（比如）一个链表，那么push和pop将始终是固定时间（即O（1）） 我不会为堆栈选择动态数组实现，除非运行时对我来说不是问题，我碰巧有一个动态数组已经构建好并且可以使用，而且我手头没有一个更高效的堆栈实现。但是，如果我确实使用了一个数组，当它分别变为满或半空时，它的运行时间将是O（1），而推送和弹出的数量足够低，不会触发调整大小，当有调整大小时，它的运行时间将是O（n）（因此总的O（n）） 我想不出一个用作堆栈的动态数组可以提供像O（n^2）一样差的性能，除非它的实现中有一个bug。如果我将堆栈实现为（比如）一个链表，那么push和pops将始终是常数时间（即O（1）） 我不会为堆栈选择动态数组实现，除非运行时对我来说不是问题，我碰巧有一个动态数组已经构建好并且可以使用，而且我手头没有一个更高效的堆栈实现。但是，如果我确实使用了一个数组，当它分别变为满或半空时，它的运行时间将是O（1），而推送和弹出的数量足够低，不会触发调整大小，当有调整大小时，它的运行时间将是O（n）（因此总的O（n））Big o 大Oh符号-推送和弹出,big-o,Big O,我想我至少已经开始理解大Oh符号背后的理论了，也就是说，它是一种测量函数增长速度的方法。换句话说，大O量化了算法的效率。但它的实施是另一回事 例如，在最佳情况下，推拉操作将是O（1），因为从堆栈中移除或添加到堆栈中所需的步骤数将是固定的。不管值是多少，过程都是一样的 我试图设想一系列事件（如推送和弹出）如何将性能从O（1）降低到O（n^2）。如果我有一个包含n/2容量、n个推送和弹出操作的数组，以及一个动态数组，在满或半满时将其容量加倍或减半，那么这些操作发生的顺序如何可能影响程序完成的速度？由
我想不出哪种情况下，用作堆栈的动态数组可以提供与O（n^2）一样差的性能，除非它的实现中存在错误。您假设动态数组非常智能地执行其调整大小操作。但是，如果不是这样，您可能会得到一个O（n^2）运行时：假设数组在满时大小不会翻倍，而只是调整为大小+1。另外，假设它以大小1开始。在O（1）中插入第一个元素。插入第二个elment时，需要将数组的大小调整为2，要求它复制上一个值。插入元素k时，它当前的大小为k-1，需要调整大小为k，从而产生需要复制的k-1元素，以此类推
因此，对于插入n个元素，最终将复制数组n-1次：O（n）调整大小。复制操作也与n成线性关系，因为插入的元素越多，需要复制的元素就越多：每次调整大小复制O（n）个副本。这将导致O（n*n）=O（n^2）作为其运行时复杂性。您假设动态数组非常智能地执行其调整大小操作。但是，如果不是这样，您可能会得到一个O（n^2）运行时：假设数组在满时大小不会翻倍，而只是调整为大小+1。另外，假设它以大小1开始。在O（1）中插入第一个元素。插入第二个elment时，需要将数组的大小调整为2，要求它复制上一个值。插入元素k时，它当前的大小为k-1，需要调整大小为k，从而产生需要复制的k-1元素，以此类推
因此，对于插入n个元素，最终将复制数组n-1次：O（n）调整大小。复制操作也与n成线性关系，因为插入的元素越多，需要复制的元素就越多：每次调整大小复制O（n）个副本。这将导致O（n*n）=O（n^2）作为其运行时复杂性。。。。@rainer很好地描述了这类错误。这里的一个微妙之处是，当我说链接列表的“推送和弹出将始终是恒定时间”时，单个推送或弹出将是恒定时间，但正如@rainer所指出的，
nnnn