Theta符号的简单英语解释是什么？尽可能少的正式定义和简单的数学 .
theta符号与Big O符号有何不同？谁能用简单的英语解释一下？
在算法分析中如何使用？我很迷惑？
如果算法的运行时间是Big Theta（f（n）），则它在f（n）上方和下方渐近有界 . Big O是相同的，除了绑定仅在上面 .
直观地说，Big O（f（n））说“我们可以确定，忽略常数因子和术语，运行时间永远不会超过f（n） . ”粗略地说，如果你认为运行时间“糟糕”，那么Big O就是最糟糕的情况 . Big Theta（f（n））说“我们可以肯定，忽略常数因子和术语，运行时间总是随f（n）变化 . ”换句话说，Big Theta是一个众所周知的紧张局限：它既是最坏的情况，也是最好的情况 .
直觉的最后尝试：大O是“片面的” . O（n）运行时间也是O（n ^ 2）和O（2 ^ n） . Big Theta不是这样 . 如果你的算法运行时间是O（n），那么你已经有一个证明它不是Big Theta（n ^ 2） . 它可能是也可能不是Big Theta（n）
一个例子是比较排序 . 信息理论告诉我们排序需要至少上限（n log n）比较，并且我们实际上发明了O（n log n）算法（其中n是比较次数），因此排序比较是Big Theta（n log n） .
我一直想用简单的话来说明这一点 . 这是我的尝试 .
如果表示算法的时间或空间复杂度
大O：Ex O（n） - 表示n是上限 . 最终 Value 可能小于或等于n .
Big Omega：ExΩ（n） - 表示n是下限 . 最终 Value 可能等于或大于n .
Theta：ExΘ（n） - 表示n是唯一可能的值 . （上限和下限）
2 回答
如果算法的运行时间是Big Theta（f（n）），则它在f（n）上方和下方渐近有界 . Big O是相同的，除了绑定仅在上面 .
直观地说，Big O（f（n））说“我们可以确定，忽略常数因子和术语，运行时间永远不会超过f（n） . ”粗略地说，如果你认为运行时间“糟糕”，那么Big O就是最糟糕的情况 . Big Theta（f（n））说“我们可以肯定，忽略常数因子和术语，运行时间总是随f（n）变化 . ”换句话说，Big Theta是一个众所周知的紧张局限：它既是最坏的情况，也是最好的情况 .
直觉的最后尝试：大O是“片面的” . O（n）运行时间也是O（n ^ 2）和O（2 ^ n） . Big Theta不是这样 . 如果你的算法运行时间是O（n），那么你已经有一个证明它不是Big Theta（n ^ 2） . 它可能是也可能不是Big Theta（n）
一个例子是比较排序 . 信息理论告诉我们排序需要至少上限（n log n）比较，并且我们实际上发明了O（n log n）算法（其中n是比较次数），因此排序比较是Big Theta（n log n） .
我一直想用简单的话来说明这一点 . 这是我的尝试 .
如果表示算法的时间或空间复杂度
大O：Ex O（n） - 表示n是上限 . 最终 Value 可能小于或等于n .
Big Omega：ExΩ（n） - 表示n是下限 . 最终 Value 可能等于或大于n .
Theta：ExΘ（n） - 表示n是唯一可能的值 . （上限和下限）