Java 大O-适合新手

可能重复：

最近有人问我关于如何使用大O符号的知识，我被难倒了，因为我以前从未遇到过大O。我已经阅读了Stackoverflow中发布的一些问题，但我就是不明白

我的问题：是否有人能以最简单的形式解释Big O，并举例说明如何在以下Java方法中使用它：

public int getScore(int[] dice)
{
    int[][] dups;

    dups = possibleDups(dice);

    // Set catScore
    for (int[] i : dups)
    {
        for (int k = 0; k < i.length; k++)
        {
            if (i[k] > 0)
            {
                switch (i[k]) {
                case 1:
                    catScore = Category.ONES;
                    break;
                case 2:
                    catScore = Category.TWOS;
                    break;
                case 3:
                    catScore = Category.THREES;
                    break;
                case 4:
                    catScore = Category.FOURS;
                    break;
                case 5:
                    catScore = Category.FIVES;
                    break;
                case 6:
                    catScore = Category.SIXES;
                    break;
                case 7:
                    catScore = Category.SEVENS;
                    break;
                case 8:
                    catScore = Category.EIGHTS;
                    break;
                default:
                    catScore = Category.NONE;
                    break;
                }
            }
        }
    }

    return sumAll(dice);
}

public int getScore（int[]骰子）
{
int[][]重复序列；
dups=可能的dups（骰子）；
//设置catScore
对于（int[]i:dups）
{
for（int k=0；k0）
{
开关（i[k]）{
案例1：
catScore=类别1；
打破
案例2：
catScore=Category.TWOS；
打破
案例3：
catScore=类别3；
打破
案例4：
catScore=类别4；
打破
案例5：
catScore=类别5；
打破
案例6：
catScore=类别6；
打破
案例7：
catScore=类别7；
打破
案例8：
catScore=类别8；
打破
违约：
catScore=类别。无；
打破
}
}
}
}
返回sumAll（骰子）；
}

大O是执行算法的最坏情况。您应该了解循环如何依赖于内部循环。样本：

public void doSomething(int n){
    for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)
}

public void doSomething（int n）{
对于（int i=0；i在计算机科学中，一个大的兴趣领域是“事情运行需要多长时间？”。很多时候的答案是“它取决于输入的大小（但可能不是）”。Big Oh是一个函数，具体描述了算法运行多长时间的上限。这里有一些数学细节（极限、渐近线等），但这是一个非常基本的观点

在您的示例中，您循环一个列表，然后对于该列表中的所有内容，您循环另一个列表。因此，您的算法运行所需的时间与列表的大小成正比。如果您认为一个列表中有“n”个对象，而您的第二个列表中有m个对象，那么您的算法运行时间是O（m*n）.如果m~n，那么说O（n^2）也是准确的

对于映射，查找是固定时间（假设是）。在这种情况下，映射查找的运行时间是O（c），与O（1）相同.
大O表示法详细说明了解决方案的时间与集合中的项数之间的比例差异。它实际上没有说明解决方案解决问题所需的时间，但它详细说明了当您知道固定点的时间和需要的其他项数时，解决方案的时间增长速度我们可能会补充

所以，如果煮一杯咖啡总是需要5分钟的时间，那么计算一个大的O解是不够的，但是如果煮一杯咖啡需要5分钟，煮十杯咖啡需要5分钟，煮一百万杯咖啡需要5分钟，那么它就是O（1），其中1表示一个时间单位

现在如果你有一个单杯咖啡机，大约需要两分钟来煮一杯咖啡，四分钟来煮两杯咖啡，二十分钟来煮十杯咖啡，那么煮咖啡的时间与杯子的数量成正比，用大的O（x）表示你需要x（每杯咖啡一个）时间单位

其他大的O表示法也很常见，O（x^2）O（xlog（x））等。它们都描述了基于所考虑的元素数量的时间比例增长率

请注意，对于一些小的项目集合，O（1）可能比O（x）解决方案慢，因为我们讨论的是时间单位，而不是实际时间。因此，特定O（1）中的时间单位可能是一小时，而O（x）解决方案中的特定时间单位可能是十分钟。在这种情况下，O（x）解决方案可能会更快，直到您需要处理六个或更多项。从长远来看，具有较低幂次的大O项（如O（1））将始终优于具有较高幂次的O（x）无论实际时间单位有多大或多小。
有很多资源可以解释大O，我认为重复它们不会有助于您理解它。因此，您能否具体说明您“不理解”的具体内容？至于方法的大O复杂性，这取决于possibleDups（）和sumAll（）的大O，因此您还必须提供这些方法的定义实际上，通过指出我需要提供在方法本身中调用的其他两个方法，可以帮助我理解计算所需的依赖关系。谢谢。@Curtis Ashby:请注意，您的示例中的开关案例非常愚蠢。整个开关可以在两三行代码中更干净地重写。见鬼，如果您在对于枚举和三元运算符，它可以在一行中重写。实际上，因为您硬编码了n，所以它是O（1）这只是一个如何计算O的想法@amit:所以如果我写int n=10000，然后写三个嵌套循环，在三个循环中有1万亿次代码执行，但仍然是O（1）事实上，我从来没有这样想过我的算法的复杂性，即使在我知道我的n的时候。你真的确定它是正确的吗？我不是说它不正确：它是j