Big-O對(duì)于小o ≤來說就是如此<。Big-O是包含上限，而little-o是嚴(yán)格的上限。

例如，函數(shù)f(n) = 3n是：

• 在O(n2)，o(n2)和O(n)

• 不是O(lg n)，o(lg n)或o(n)

類似地，數(shù)字1是：

• ≤ 2，< 2和≤ 1

• 不是≤ 0，< 0或< 1

這是一張表，顯示了一般的想法：

（注意：該表是一個(gè)很好的指南，但它的限制定義應(yīng)該是上限而不是正常限制。例如，3 + (n mod 2) 永遠(yuǎn)在3到4之間振蕩。O(1)盡管沒有正常的限制，它仍然存在，因?yàn)樗匀挥衋 lim sup：4.）

我建議記住Big-O符號(hào)如何轉(zhuǎn)換為漸近比較。比較更容易記住，但不太靈活，因?yàn)槟悴荒苷fn ^O（1） = P之類的東西。

我發(fā)現(xiàn)當(dāng)我無法在概念上掌握某些東西時(shí)，思考為什么要使用X有助于理解X.（不是說你沒有嘗試過，我只是在設(shè)置舞臺(tái)。）

[你知道的東西]分類算法的常用方法是運(yùn)行時(shí)，通過引用算法的大復(fù)雜性，你可以很好地估計(jì)哪一個(gè)是“更好” - 無論哪個(gè)具有“最小”功能在O！即使在現(xiàn)實(shí)世界中，O（N）比O（N2）“更好”，除非像超大質(zhì)量常數(shù)之類的傻事。[/你知道的東西]

假設(shè)有一些在O（N）中運(yùn)行的算法。很好，對(duì)吧？但是，讓我們說你（你很聰明的人，你）想出一個(gè)在O（^N / _{loglogloglogN}）中運(yùn)行的算法。好極了！它更快！但是當(dāng)你撰寫論文時(shí)，你會(huì)一遍又一遍地寫下傻傻的寫作。所以你寫了一次，然后你可以說“在本文中，我已經(jīng)證明了算法X，以前可以在時(shí)間O（N）中計(jì)算，實(shí)際上是在o（n）中可計(jì)算的。”

因此，每個(gè)人都知道你的算法更快 - 有多少不清楚，但他們知道它更快。理論上。:)