大欧米茄，大哦，大西塔
Big Omega, Big Oh, Big theta
我正在阅读 Yashavnt P. Kanetkar 的《数据结构》一书。在页号书的11，我发现书上说的算法分为三类：
一个。增长速度至少与某些函数一样快的算法。
b。以相同速率增长的算法。
c。增长速度不快的算法。
后述：
一个。是大欧米茄 (n)
b。是大 theta (n)
c。大哦(n).
我无法理解其中的含义，因此搜索了一些 youtube 视频。我从他们那里学到的是，Big Omega 是最佳案例场景的代表。 Big Oh 是最坏情况的代表。 Big theta 是平均案例场景的表示。我知道这些案例是什么。但是我无法理解这本书试图通过这三个类别来表示什么以及它们与三个案例场景有何关系。
Big Theta 是数学家的近似值，回答了“它的缩放比例如何”的问题；随着问题变得越来越大，函数需要多少 time/memory？它去除了任何常数因子和任何随着问题变大而变得不那么重要的项，只留下一个简单的表达式。
Big Oh 是您给出“不差于”的变体；这有时更容易解决，而且它在保守方面犯了错误，所以它仍然有用。
Big Omega 是相反的变体，您给出的是“不比”。这有时也很有用，但不太常用。
我正在阅读 Yashavnt P. Kanetkar 的《数据结构》一书。在页号书的11，我发现书上说的算法分为三类：
一个。增长速度至少与某些函数一样快的算法。
b。以相同速率增长的算法。
c。增长速度不快的算法。
后述：
一个。是大欧米茄 (n)
b。是大 theta (n)
c。大哦(n).
我无法理解其中的含义，因此搜索了一些 youtube 视频。我从他们那里学到的是，Big Omega 是最佳案例场景的代表。 Big Oh 是最坏情况的代表。 Big theta 是平均案例场景的表示。我知道这些案例是什么。但是我无法理解这本书试图通过这三个类别来表示什么以及它们与三个案例场景有何关系。
Big Theta 是数学家的近似值，回答了“它的缩放比例如何”的问题；随着问题变得越来越大，函数需要多少 time/memory？它去除了任何常数因子和任何随着问题变大而变得不那么重要的项，只留下一个简单的表达式。
Big Oh 是您给出“不差于”的变体；这有时更容易解决，而且它在保守方面犯了错误，所以它仍然有用。
Big Omega 是相反的变体，您给出的是“不比”。这有时也很有用，但不太常用。