每个算法都有最佳案例数据输入吗？
Does every algorithm has a best case data input?
是不是每个算法都有'best case'和'worst case'，这是有人提出的问题，回答没有！我认为每个算法都有一个取决于其输入的情况，因此一个算法发现一组特定的输入是最好的情况，但其他算法认为它是最坏的情况。
所以哪个答案是正确的，如果有没有最佳情况的算法，你能举个例子吗？
谢谢 :)
好吧，我相信每个算法都有最好和最坏的情况，尽管不能保证它们会有所不同。例如，return 数组中第一个元素的算法具有 O(1) 最佳、最差和平均情况。
人为的，我知道，但我要说的是，这完全取决于算法，他们最好和最坏的情况是什么 ， 但是这些情况会存在，即使它们是相同的，或者在顶端是无界的。
不，不是每个算法都有最好和最坏的情况。一个示例是在未排序的数组中查找 max/min 元素的线性搜索：无论如何，它总是检查数组中的所有项目。因此它的时间复杂度是 Theta(N) 并且它独立于特定的输入。
我认为说大多数算法都有最好和最坏的情况是合理的。如果您从渐近分析的角度考虑算法，您可以说 O(n) 搜索算法的性能比 O(log n) 算法差。但是，如果您为 O(n) 算法提供搜索项位于数据集中早期的数据，并为 O(log n) 算法提供搜索项位于要找到的最后一个节点中的数据，则 O(n)将比 O(log n) 执行得更快。
但是，每次都必须检查每个输入的算法（例如平均算法）不会有 best/worst，因为无论数据如何，处理时间都是相同的。
如果您不熟悉渐近分析（又名大 O），我建议您了解一下，以便更好地理解您的问题。
最佳案例输入是您的代码采用最少数量 procedure calls 的案例。例如。您的代码中有一个 if，并且在其中迭代每个元素，而 else 部分没有此类功能。因此，对于此算法，代码未进入 if 块的任何输入都将是 best case input，相反，代码进入此 if 的任何输入都将是 worst case。
如果对于任何算法，分支或递归或循环导致该算法的 complexity factor 不同，它将具有 possible best case 或 possible worst case 场景。否则，您可以说它没有或它有 similar complexity 最好的情况或最坏的情况。
说到排序算法，我们以merge和quick排序为例。 （我相信您很了解它们，以及它们在这方面的复杂性）。
每次merge sort，数组被分成两个相等的部分，因此拆分需要log n个因子，而重组需要O(n)次（因为当然是每次拆分）。因此，总复杂度总是 O(n log n) 并且它不依赖于输入。因此，您可以说合并排序没有 best/worst 个案例条件，或者它的复杂性与 best/worst 个案例相同。
另一方面，如果给快速排序 （不是随机的，主元总是第一个元素） 一个随机输入，它总是将数组分成两部分，（可能是也可能不是相等，无关紧要），如果这样做，log factor of its complexity 就会出现（尽管基数并不总是 2）。但是，如果输入已经排序（升序或降序），它将始终将其拆分为 1 element + rest of array，因此将需要 n-1 次迭代来拆分数组，这会将其 O(log n) 因子更改为 O(n) 从而将复杂度更改为 O(n^2)。因此，快速排序将具有不同时间复杂度的最佳和最坏情况。
是不是每个算法都有'best case'和'worst case'，这是有人提出的问题，回答没有！我认为每个算法都有一个取决于其输入的情况，因此一个算法发现一组特定的输入是最好的情况，但其他算法认为它是最坏的情况。
所以哪个答案是正确的，如果有没有最佳情况的算法，你能举个例子吗？
谢谢 :)
好吧，我相信每个算法都有最好和最坏的情况，尽管不能保证它们会有所不同。例如，return 数组中第一个元素的算法具有 O(1) 最佳、最差和平均情况。
人为的，我知道，但我要说的是，这完全取决于算法，他们最好和最坏的情况是什么 ， 但是这些情况会存在，即使它们是相同的，或者在顶端是无界的。
不，不是每个算法都有最好和最坏的情况。一个示例是在未排序的数组中查找 max/min 元素的线性搜索：无论如何，它总是检查数组中的所有项目。因此它的时间复杂度是 Theta(N) 并且它独立于特定的输入。
我认为说大多数算法都有最好和最坏的情况是合理的。如果您从渐近分析的角度考虑算法，您可以说 O(n) 搜索算法的性能比 O(log n) 算法差。但是，如果您为 O(n) 算法提供搜索项位于数据集中早期的数据，并为 O(log n) 算法提供搜索项位于要找到的最后一个节点中的数据，则 O(n)将比 O(log n) 执行得更快。
但是，每次都必须检查每个输入的算法（例如平均算法）不会有 best/worst，因为无论数据如何，处理时间都是相同的。
如果您不熟悉渐近分析（又名大 O），我建议您了解一下，以便更好地理解您的问题。
最佳案例输入是您的代码采用最少数量 procedure calls 的案例。例如。您的代码中有一个 if，并且在其中迭代每个元素，而 else 部分没有此类功能。因此，对于此算法，代码未进入 if 块的任何输入都将是 best case input，相反，代码进入此 if 的任何输入都将是 worst case。
如果对于任何算法，分支或递归或循环导致该算法的 complexity factor 不同，它将具有 possible best case 或 possible worst case 场景。否则，您可以说它没有或它有 similar complexity 最好的情况或最坏的情况。
说到排序算法，我们以merge和quick排序为例。 （我相信您很了解它们，以及它们在这方面的复杂性）。
每次merge sort，数组被分成两个相等的部分，因此拆分需要log n个因子，而重组需要O(n)次（因为当然是每次拆分）。因此，总复杂度总是 O(n log n) 并且它不依赖于输入。因此，您可以说合并排序没有 best/worst 个案例条件，或者它的复杂性与 best/worst 个案例相同。
另一方面，如果给快速排序 （不是随机的，主元总是第一个元素） 一个随机输入，它总是将数组分成两部分，（可能是也可能不是相等，无关紧要），如果这样做，log factor of its complexity 就会出现（尽管基数并不总是 2）。但是，如果输入已经排序（升序或降序），它将始终将其拆分为 1 element + rest of array，因此将需要 n-1 次迭代来拆分数组，这会将其 O(log n) 因子更改为 O(n) 从而将复杂度更改为 O(n^2)。因此，快速排序将具有不同时间复杂度的最佳和最坏情况。