Big O se réfère à l'ordre d'exécution le plus défavorable. Il est utilisé pour montrer à quel point un algorithme s'échelonne en fonction de la taille de l'ensemble de données (n-> nombre d'éléments). Puisque nous ne sommes concernés que par la commande, les multiplicateurs constants sont ignorés et tous les termes qui augmentent moins rapidement que le terme dominant sont également supprimés. Quelques exemples:
Une seule opération ou un ensemble d'opérations est O (1), car cela prend un certain temps (ne varie pas en fonction de la taille du jeu de données).
Une boucle est O (n). Chaque élément de l'ensemble de données est bouclé.
Une boucle imbriquée est O (n^2). Une boucle imbriquée imbriquée est O (n^3) et continue. Des choses comme la recherche d'arbre binaire sont log (n), ce qui est plus difficile à montrer, mais à chaque niveau dans l'arbre, le nombre de solutions possibles est divisé par deux, donc le nombre de niveaux est log (n) (fourni l'arbre est équilibré). Quelque chose comme de trouver la somme d'un ensemble de nombres qui est le plus proche d'une valeur donnée est O (n!), Puisque la somme de chaque sous-ensemble doit être calculée. C'est très mauvais.
Copie possible http://stackoverflow.com/questions/487258/plain-french-explanation-of-big-o –