213 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 10.6 小结 . . . . 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 www.hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无须担心。我们可以先掌握推算方法，在不断的 实践中，就可以逐渐领悟其数学意义。 根据定义，确定 ?(?) 之后，我们便可得到时间复杂度 ?(?(?)) 。那么如何确定渐近上界 算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。

213 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 10.6 小结 . . . . ) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无须担心。我们可以先掌握推算方法，在不断的 实践中，就可以逐渐领悟其数学意义。 根据定义，确定 ?(?) 之后，我们便可得到时间复杂度 ?(?(?)) 。那么如何确定渐近上界 算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。

211 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.6 小结 . . . . ) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 图 2‑8 函数的渐近上界 第 2 章 复杂度分析 hello‑algo.com 29 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无须担心。因为在实际使用中，我们只需要掌握 推算方法，数学意义就可以逐渐领悟。 根据定义，确定 ?(?) 之后，我们便可得到时间复杂度 ?(?(?)) 。那么如何确定渐近上界 示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。

215 10.4 哈希优化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 10.5 重识搜索算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 10.6 小结 . . . . ) 处于相同 的增长级别，仅相差一个常数项 ? 的倍数。 第 2 章 复杂度分析 hello‑algo.com 31 图 2‑8 函数的渐近上界 2.3.3 推算方法 渐近上界的数学味儿有点重，如果你感觉没有完全理解，也无须担心。我们可以先掌握推算方法，在不断的 实践中，就可以逐渐领悟其数学意义。 根据定义，确定 ?(?) 之后，我们便可得到时间复杂度 ?(?(?)) 。那么如何确定渐近上界 算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。

213 10.4 雜湊最佳化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 10.5 重識搜尋演算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 10.6 小結 . . . . * 的是選讀章節，內容相對困難。如果你的時間有限，可以先跳過。 ‧ 專業術語會使用黑體（紙質版和 PDF 版）或新增下劃線（網頁版），例如陣列（array）。建議記住它們， 以便閱讀文獻。 ‧ 重點內容和總結性語句會 加粗，這類文字值得特別關注。 ‧ 有特指含義的詞句會使用“引號”標註，以避免歧義。 ‧ 當涉及程式語言之間不一致的名詞時，本書均以 Python 為準，例如使用 None 來表示“空”。 */ // 內容註釋，用於詳解程式碼 /** * 多行 * 註釋 */ 0.2.2 在動畫圖解中高效學習 相較於文字，影片和圖片具有更高的資訊密度和結構化程度，更易於理解。在本書中，重點和難點知識將主 要透過動畫以圖解形式展示，而文字則作為解釋與補充。 如果你在閱讀本書時，發現某段內容提供瞭如圖 0‑2 所示的動畫圖解，請以圖為主、以文字為輔，綜合兩者 來理解內容。 圖 0‑2