问最坏的情况，大o，大theta和大omega

EN

你概述的内容似乎大体上是正确的。要画出的一个重要区别是情况和界限之间的区别。

这种情况是目前正在考虑的输入类别。你可以考虑你的算法在哪类输入上表现最差，或者你的算法在哪类输入上表现最好。

界限是一个函数，它说明算法使用的资源-通常是时间或空间-随着输入的变化而变化。上界和下界是典型的。

您可以自由地混合和匹配您认为合适的大小写和边界。

也许你想知道算法的最坏情况的上限，这样你就可以知道在最坏的情况下缩放会是什么样子。这可以让您相信，无论如何使用，您的解决方案都将具有足够的可扩展性

也许你想知道最坏情况下的下限，以了解你的解决方案是否尽可能快-如果它的缩放行为对于你试图解决的问题是最佳的。例如，我们知道基于比较的整数排序是Omega(n log n)，没有任何额外的假设。如果你写一个排序过程，你能达到这个界限吗，或者你的方法速度慢吗？

最佳案例分析当然也有它的用处。您还可以通过获取给定参数的输入的一些分布来讨论平均案例分析，并找到相应的界限；类似的分析是摊销分析，其中您的“案例”实际上是一系列操作。