Language agnostic 什么是具有摊销复杂性要求的修改函数，与具有非摊销复杂性要求的修改函数？

修正函数的摊销与非摊销复杂性的官方理论定义是什么？这个问题在STL的C++标准中特别相关，但这是一个更一般的问题。 “常量”（非变异）函数（观察者或“获取者”）是否可以分摊复杂性

编辑：澄清明显令人困惑的“观察者”（根据上下文，可以是观察功能或外部观察者）。

至少有三个（甚至更多）独立的正交轴可能会出现算法的渐近分析：情况（最佳、平均、最差）；界（大O，小ω，θ）；以及是否考虑摊销

本案例描述了考虑中的输入类别。它实际上是算法输入的子集。在执行渐进复杂性分析时，根据算法的性能将输入状态划分为子集是很自然的，即子集的w.r.t.元素。因此，您可能有一个最佳情况，该算法尽可能地渐近执行；一个子集，其渐近性能尽可能差；或者，在平均复杂度的情况下，一组输入及其相对权重或发生概率。在没有具体描述的情况下，很自然地假设所有输入都包含在内，并且权重相等

边界描述了算法的复杂度对于某类输入的渐近行为。复杂性可以从上面、从下面或两者都有界；边界可以很紧，也可以不紧；而实际上，你选择哪一个界限可能是由考虑中的情况决定的（最佳情况下的下限，最坏情况下的上限，等等），理论上，这个选择是完全独立的

摊销分析是在基础复杂性分析的基础上进行的，考虑的不是单个输入，而是输入序列。摊销分析旨在解释一系列操作的总时间复杂度是如何表现的。例如，考虑将新元素插入到数组支持向量结构中的简单情况。如果我们有足够的容量，操作是O（1）。如果我们缺少容量，则操作为O（n）。如果我们以算术方式增加向量的容量（例如，每次增加k个新点），那么对于O（n）摊销复杂度，我们将有O（1）次访问（k-1）/k次，O（n）次访问1/k次。然而，如果我们每次需要更多的容量时都几何地增加容量，那么我们发现一系列的添加将具有O（1）摊销复杂性

---

真正恒定的函数可以执行摊销分析，但实际上没有理由这样做。当潜在的少量重复请求具有较差的个体性能时，摊销分析才有意义，而请求的多数（渐近C++）具有渐进的更好性能。C++标签是专门用于C++代码的。@ NANOLIVER ReNestMeNoCa一般但特别是C++。相关的：“非ARMIZ化”与“非平均”一样有意义；正如我所说，“只是复杂性”是“最坏情况复杂性”的常用缩写。宇宙中所有可能输入的平均值（有时根据其发生的概率加权）。平均复杂度不常用；在讨论时，域的细节通常是明确的，或者从上下文中明确的。例如，平均值是

O（n logn）

（比如说，在所有可能的有限自然数序列中），最坏的情况是O（n^2）。