Data structures 对数（n）与恒定时间

HashSet

类对于基本操作（

add

、

remove

、

contains

和

size

）具有恒定的时间性能

TreeSet

具有

log（n）

基本操作的时间成本（

add

、

remove

和

包含

方法）

---

因为HashSet是常量，所以它总是比log（n）快吗？

不，这不是Oh的工作原理。实际表现可能有所不同

---

冒泡排序是出了名的慢，但对于一个小数据集，它实际上可能比其他“更好”的算法表现得更好。big Oh描述的是渐进行为，而不是具体的个别场景。

HashSet的API文档中有一些黄鼠狼的话：“此类为基本操作（添加、删除、包含和大小）提供了恒定的时间性能，假设哈希函数将元素正确地分散在存储桶中。”在最坏的情况下，HashSet简化为一个链表，为这些方法提供线性性能

这种性能下降是一系列安全漏洞的原因： 其中（比如）连接被放入一个哈希表，其中哈希函数的[部分]输入由攻击者控制。这导致理论上的常数时间操作需要线性时间

然而，TreeSet“为基本操作（添加、删除和包含）提供了保证的日志（n）时间成本”

---

所以：只要哈希函数提供哈希值的均匀分布，并且输入相对于该分布具有适当的随机性，哈希集的操作应该更快。但就保证性能而言，它是O（n）。

HashSet

是

O（n）

。最好的情况是

O（1）。你还必须考虑你在一段时间内所做的操作的次数，以查看不同算法中的值。它们不象一个> B，它们有一些不同的属性。TreSeT维护排序，HashSet没有。还有，为什么使用安卓标签？这是不特定的。常数时间比log（n）更好。在大多数情况下，时间。在对数（n）小于常数的边缘情况下，它会更快（在现实世界中）。记住，十亿和1在大O表示法中都是“常数”。这不是摊销的意思。摊销的O（1）时间将是n个操作需要O（n）时间，即使其中一些操作可能需要更多时间（例如O（n））时间。“平均值”是正确的技术术语，“摊销”并不是它的同义词（另外，它指的是案例，而不是某种案例的界限）。事实上，经过反思，我不确定“平均值”是否正确。由于某些操作将比O（1）更糟糕（即当发生哈希冲突时），我们只能“平均”O（1）如果某些操作速度更快，这是不可能的。鉴于以上关于哈希函数行为的假设，大多数操作将是O（1），但我不确定您是否可以做出任何关于“平均”性能的非武装声明。@user3392484您是对的，您不能说哈希容器是O（1）但是，你的推理是错误的，即使当一些OPS是O（n），没有一个比O（1）快时，你可以平均O（1），如果<代码> n>代码>只发生在每个<代码> n< /C>元素（难以解释，但是C++ <代码> STD:：vector < /代码>）。@MooingDuck不，不，你还混淆了平均情况和摊销复杂性。@MooingDuck你一定混淆了一些东西，因为它们是完全不同的野兽。“一系列操作的平均性能”是摊销复杂性；average（-case）复杂性是一项操作的成本。虽然这两项操作通常都用“平均”一词来解释，但在平均情况下，它是平均投入，而对于摊销，它是平均操作。您可以从中进行2D分类：最佳/平均/最差情况下的摊销/非摊销成本是多少？