Big Oh 是唯一用于衡量 STL 复杂性的符号吗
Is Big Oh the only notation used to measure complexity in STL
我已经开始阅读 C++ STL 并且还找到了一本书！。当我阅读复杂性时，它在选择算法和数据结构方面起着重要作用，我已经看到 Big Oh 符号仅用于不同的变量（O（n），O（log（n）。，）并进一步冲浪我发现
大哦表示 f(x) = O(g(x))--(big-oh) means that the growth rate of f(x) is asymptotically less than or equal to to the growth rate of g(x)
所以我的问题是，如果一个算法的时间复杂度总是等于 g(x) 的增长，为什么我们提到这个复杂度为 f(x)=O(n)[Big oh of n] 而不是使用 (theta)，因为当我读到(theta) 表示 f(x) = Θ(g(x)) (theta) means that the growth rate of f(x) is asymptotically equal to the growth rate of g(x)
这里的符号可能是 (theta) 而不是 O(N) 不是吗？或者任何使用大的理由哦。
我们应该使用什么符号来衡量 space complexity.i 在那本书中没有看到任何关于 space 关于 STL 的复杂性的讨论。
参考：What is the difference between Θ(n) and O(n)?
So my question is, if an algorithms time complexity always results equal to the growth of g(x), why...
这不是真的。例如，排序的复杂度是 Big-oh n*log(n) 但在某些情况下可能会下降到线性 cases.It 在极少数情况下我们可以为算法提供 theta 近似值。
通常标准也会为函数提供大 O 保证，但我还没有看到任何 theta 限制。
And what notation should we use to measure the space complexity.
Big-oh 是函数增长的表示法，可用于 space 和时间复杂度。
一个原因是，如果实现者想出了一个（例如）线性算法而不是 O(n log n)，如果函数被指定为 Θ(n log n).
why we mention that complexity as f(x)=O(n)[Big oh of n] rather than using (theta)
Theta 可能有助于描述特定算法的行为方式。但是 STL - 或者一般的 C++ 标准库 - 不是一个单一的实现，所以你无法描述它的行为方式。
STL 的描述是一组关于实现选择的算法必须如何表现的要求。复杂性是这些要求的一部分。要求论证的复杂性必须至少是某种东西是没有意义的。只有上限是相关的。所以Big-O用了。
And what notation should we use to measure the space complexity
大 O 表示法也可用于 space 复杂度。
我已经开始阅读 C++ STL 并且还找到了一本书！。当我阅读复杂性时，它在选择算法和数据结构方面起着重要作用，我已经看到 Big Oh 符号仅用于不同的变量（O（n），O（log（n）。，）并进一步冲浪我发现
大哦表示 f(x) = O(g(x))--(big-oh) means that the growth rate of f(x) is asymptotically less than or equal to to the growth rate of g(x)
所以我的问题是，如果一个算法的时间复杂度总是等于 g(x) 的增长，为什么我们提到这个复杂度为 f(x)=O(n)[Big oh of n] 而不是使用 (theta)，因为当我读到(theta) 表示 f(x) = Θ(g(x)) (theta) means that the growth rate of f(x) is asymptotically equal to the growth rate of g(x)
这里的符号可能是 (theta) 而不是 O(N) 不是吗？或者任何使用大的理由哦。
我们应该使用什么符号来衡量 space complexity.i 在那本书中没有看到任何关于 space 关于 STL 的复杂性的讨论。
参考：What is the difference between Θ(n) and O(n)?
So my question is, if an algorithms time complexity always results equal to the growth of g(x), why...
这不是真的。例如，排序的复杂度是 Big-oh n*log(n) 但在某些情况下可能会下降到线性 cases.It 在极少数情况下我们可以为算法提供 theta 近似值。
通常标准也会为函数提供大 O 保证，但我还没有看到任何 theta 限制。
And what notation should we use to measure the space complexity.
Big-oh 是函数增长的表示法，可用于 space 和时间复杂度。
一个原因是，如果实现者想出了一个（例如）线性算法而不是 O(n log n)，如果函数被指定为 Θ(n log n).
why we mention that complexity as f(x)=O(n)[Big oh of n] rather than using (theta)
Theta 可能有助于描述特定算法的行为方式。但是 STL - 或者一般的 C++ 标准库 - 不是一个单一的实现，所以你无法描述它的行为方式。
STL 的描述是一组关于实现选择的算法必须如何表现的要求。复杂性是这些要求的一部分。要求论证的复杂性必须至少是某种东西是没有意义的。只有上限是相关的。所以Big-O用了。
And what notation should we use to measure the space complexity
大 O 表示法也可用于 space 复杂度。