图和渐近分析之间的差异，以比较算法的 运行 次
Difference between graphs and asymptotic analysis to compare running times of an algorithm
这个问题几乎说明了我的要求。
我有一个算法，我在徘徊什么是更好的方法来实现啊 'Big-Oh' 运行 时间 - 通过图表并根据 运行 时间绘制输入数量，还是通过渐近分析？
对于我目前使用的图表：
private int startTime = System.currentTimeMillis(); //At start of algorithm
private int endTime = System.currentTimeMillis(); //At the end of algorithm
int runningTime = endTime - startTime;
'measuring'算法的运行时间的两种方法有什么区别？
"empiric"（根据输入大小绘制 运行 时间）的问题是它仅适用于提供的测试用例。
"theoretic"分析给你算法的所有陷阱，你可以用数学分析真实的最佳情况/平均情况/...，保证正确。
一个很好的常见示例是 simplex algorithm，它通常非常快，但对于某些输入来说偶尔会有指数最坏情况 运行 时间。
另一方面，由于渐近分析忽略常数，只适用于"large enough inputs"，如果输入预计比较小，它们几乎没有用，很难区分 2具有相同复杂度的算法 class，但具有不同的常量，并且常量在生产代码中很重要。
tl;dr：每个都有自己的用法，将两者结合起来比只使用其中一个效果更好。
附带说明一下，在使用实证方法时，一定要使用统计工具，statistical hypothesis testing特别是在下结论之前。此外，请始终记住，经验工具仅对您检查的 class 问题有效（因此，如果您不检查排序数组，您将不知道快速排序可能需要更长的时间，如果它遇到一个）。
这个问题几乎说明了我的要求。
我有一个算法，我在徘徊什么是更好的方法来实现啊 'Big-Oh' 运行 时间 - 通过图表并根据 运行 时间绘制输入数量，还是通过渐近分析？
对于我目前使用的图表：
private int startTime = System.currentTimeMillis(); //At start of algorithm
private int endTime = System.currentTimeMillis(); //At the end of algorithm
int runningTime = endTime - startTime;
'measuring'算法的运行时间的两种方法有什么区别？
"empiric"（根据输入大小绘制 运行 时间）的问题是它仅适用于提供的测试用例。
"theoretic"分析给你算法的所有陷阱，你可以用数学分析真实的最佳情况/平均情况/...，保证正确。
一个很好的常见示例是 simplex algorithm，它通常非常快，但对于某些输入来说偶尔会有指数最坏情况 运行 时间。
另一方面，由于渐近分析忽略常数，只适用于"large enough inputs"，如果输入预计比较小，它们几乎没有用，很难区分 2具有相同复杂度的算法 class，但具有不同的常量，并且常量在生产代码中很重要。
tl;dr：每个都有自己的用法，将两者结合起来比只使用其中一个效果更好。
附带说明一下，在使用实证方法时，一定要使用统计工具，statistical hypothesis testing特别是在下结论之前。此外，请始终记住，经验工具仅对您检查的 class 问题有效（因此，如果您不检查排序数组，您将不知道快速排序可能需要更长的时间，如果它遇到一个）。