C++ STL性能O（ln（n））问题

请有人解释一下：

如果文件上说STL std:：vector finding element speed performace=O（ln（n））， 这是什么意思

O（ln（n））

-什么是“O”，我可以在哪里读到

在那里我可以了解到其他STL容器的性能

---

非常感谢

Big-O表示法是关于程序性能的时间复杂性

所以O（ln（n））意味着当向量变大时，访问std:：vector中的元素与ln（向量的大小）成正比，但这只适用于使用二进制搜索的排序向量。二进制搜索执行速度比线性搜索快，因为消除可能元素的速度是线性搜索的两倍，因此ln实际上是一个以2为基数的对数

是一种测量算法将如何随着其工作的数据大小的增长而扩展的方法

如果一个向量通常是

O（n）

，那么当对向量进行排序时，它只有

O（lg（n））

，并且使用其中一个

每个算法的复杂度在标准和任何参考文献中都有规定（如上面链接到

std:：lower_bound

）

顺便说一句，

ln

是以

e

为基数的

log

，但是所有的对数都是相同的复杂性，所以即使二进制搜索只执行

lg

（log2）操作，从技术上讲，说它是

O（ln（n））

O是正确的。它描述了算法的运行时复杂性。本质上，它是计算答案所需的操作数。

O是“顺序”的缩写。它是对操作运行时间的度量

例如，此代码是O（n^2），因为它将执行n*n次

int n = 100;
for (int i = 0; i < n; ++i) {
  for (int j = 0; j < n; ++j) {
  }
}

int n=100；
对于（int i=0；i

所有其他答案都已清除O，要找到给定算法的典型复杂性，请查看适当的参考，例如。在每个算法的底部，记录了算法的复杂性。

这被称为大O符号，它是给定算法的渐近复杂性的表达式，并与一些参数有关

• 渐近意味着我们对前几种情况不感兴趣，而是对输入参数增大时算法的行为感兴趣
• 参数取决于要测量的算法
• 我们感兴趣的业务

例如，在二进制搜索的情况下，我们表示根据搜索集的大小执行的比较次数之间的关系

运行时间通常可以由此推断出来，但并不总是正确的，尤其是在实现或硬件约束方面没有选择正确的“操作”时

---

几天前有一篇很好的帖子谈到了使用磁带作为存储进行排序。由于搜索的复杂性表示比较的数量，并且使用磁带作为存储，因此运行时主要受磁带移动的影响。。。事实证明，尽管bubblesort通常被描述为速度较慢，但它的性能优于quicksort。

：）添加的标记@aschepler为它起了一个名字，因此现在您可以找到许多问题来解释它；）看见（有人选一个，投一票，这样我就不用决定了…）关于你问题的第二部分：从技术上来说，这不是一个衡量标准，而是一个计算，而不是表现。复杂性，即它的扩展程度。严格地说，大O“仅”适用于上界/最坏情况。@delnan，对不知道

O（n）

意味着什么的人说复杂性，有点像告诉某人，要理解递归，他们必须先理解递归。当然，除了解释它之外（即使是我，在我微不足道的评论中，也提供了一个小解释）。对他们说“性能”就像告诉他们CPU的时钟频率决定数字处理的速度。@delnan:最坏情况和上限是两个不同的概念。你也可以对平均情况进行big-O计算，但它总是一个上限-任何

O（n）

的东西也是

O（n^2）

，同样

O（n）

的东西可能是

O（lg（n））

，但它不必是运行时的-big-O可以引用任何计算资源，例如内存