更改

对于大数据不能忽略线性因子或二次因子，但对于小数据，渐近低效算法可能更有效。这在混合算法中尤其常用，比如 Timsort，它使用一种渐近有效的算法(在这里使用合并排序，时间复杂度数学 n  log n / math) ，但是对于小数据切换到一种渐近低效的算法(在这里使用插入排序，时间复杂度数学 n ^ 2 / math) ，因为更简单的算法在小数据上更快。

对于大数据不能忽略线性因子或二次因子，但对于小数据，渐近低效算法可能更有效。这在混合算法中尤其常用，比如 Timsort，它使用一种渐近有效的算法(在这里使用合并排序，时间复杂度数学 n  log n / math) ，但是对于小数据切换到一种渐近低效的算法(在这里使用插入排序，时间复杂度数学 n ^ 2 / math) ，因为更简单的算法在小数据上更快。

==See also==

== 参见 See also==

* [[Amortized analysis]]

* [[Amortized analysis]] 平摊分析

* [[Analysis of parallel algorithms]]

* [[Analysis of parallel algorithms]] 并行算法分析

* [[Asymptotic computational complexity]]

* [[Asymptotic computational complexity]] 渐近计算复杂性

* [[Best, worst and average case]]

* [[Best, worst and average case]] 最佳、最差和一般情况

* [[Big O notation]]

* [[Big O notation]] 大O符号

* [[Computational complexity theory]]

* [[Computational complexity theory]] 计算复杂性理论

* [[Master theorem (analysis of algorithms)]]

* [[Master theorem (analysis of algorithms)]] 主定理（算法分析）

* [[NP-Complete]]

* [[NP-Complete]] NP完全

* [[Numerical analysis]]

* [[Numerical analysis]] 数值分析

* [[Polynomial time]]

* [[Polynomial time]]   多项式时间

* [[Program optimization]]

* [[Program optimization]]   程序优化

* [[Profiling (computer programming)]]

* [[Profiling (computer programming)]]   仿形（计算机编程）

* [[Scalability]]

* [[Scalability]] 可扩展性

* [[Smoothed analysis]]

* [[Smoothed analysis]] 平滑分析

* [[Termination analysis]] — the subproblem of checking whether a program will terminate at all

* [[Termination analysis]] — the subproblem of checking whether a program will terminate at all

* [[Time complexity]] — includes table of orders of growth for common algorithms

* [[Time complexity]] — includes table of orders of growth for common algorithms

 

==Notes==

==Notes==