Time complexity 摊销时间一致性

我在研究一个问题，我们应该给出一个算法的例子，它的时间复杂度是O（n^2），但它的摊销时间复杂度小于这个。我的直接想法是嵌套循环，但我不能确切地确定这样一个例子的结果在哪里摊销。如有任何见解，将不胜感激

考虑向量（可调整大小的数组）数据结构上的Add方法。一旦超出阵列的当前容量，我们必须通过制作更大的阵列并复制内容来增加容量。通常，在这种情况下，您只需将容量增加一倍，从而产生最坏情况下的O（n）Add，但却是O（1）摊销Add。我们当然可以自由地通过平方增加容量，而不是加倍（前提是初始容量大于1）。这意味着，每隔一段时间，一个add将花费O（n^2）个时间；但是，这样一个越来越大的比例将需要O（1）倍的时间，摊销的复杂性也将是O（1）

---

结合这一思想的变化和将代码放入循环的复杂性的乘法效应，很可能找到一个例子，其中最坏情况的时间复杂性是O（f），摊销复杂性是O（g），for和f和g，其中g是O（f）。

非常好，很棒的东西。对于其他阅读的人来说，有一个关于这个主题的很棒的wiki，里面有一些非常好的信息。