Big O 符号的数学近似与编程中的实际近似有什么关系

如何解决Big O 符号的数学近似与编程中的实际近似有什么关系

我有一个关于渐近复杂性的问题，特别是 Big O 表示法。

从数学上讲：我们有一个函数 T(n) 它的输出：我们的算法所花费的时间。

例如 T(n) = 1000 + 10n 。 我们选择一个简单的函数 F(n) = n ，对于一些大的自然数 N 和常数 C ， T(n)

我的具体问题：我没有得到上限的点，从特定的输入 N 开始，所有 T(n) 点都以 F(n) 点为上限。

数学近似与计算机科学中最坏情况的复杂性和大 O 表示法之间的关系是什么

解决方法

在阅读有关该主题的更多信息后。 这个数学证明只是一个近似，用来解释我们的函数 T(n) [它是我们的算法执行某些特定工作所花费的指令或步骤的输出数量] 的上限是等效函数 CF(n)，其中 C 是一些特定的大常数 > 0 。所以我们的上限是指最坏情况的复杂度，我们的算法可以达到（并且可以达到，因为数学上 T(n) 和 F(n) 在某个特定的大 N > 0 相交，成为一个上界（上限属于我们的功能） ） 。 所以在 resume 中，它是证明最坏情况复杂度是我们的算法可以达到的上限（或最高）的近似值。