Istnieje również wiele sytuacji, kiedy algorytm ma lepszą złożoność obliczeniową niż inne, ale nie stosuje się go, ponieważ jego przewaga w faktycznej implementacji jest widoczna dopiero dla gigantycznych (i kompletnie niepraktycznych) wielkości wejścia, lub ma inne wady (na przykład niestabilność numeryczną – porównaj algorytm Strassena). Innym powodem może być na przykład fakt, że algorytm ma lepszą złożoność czasową, ale gorszą złożoność pamięciową i vice-versa (tzw. ).
Standardowe oszacowania thumb|Graficzne przedstawienie standardowych oszacowań, pokazujące zmianę liczby operacji () w zależności od rozmiaru danych wejściowych () notacja ograniczenie rząd złożoności obliczeniowej funkcją stałą złożoność stała (niezależna od rozmiaru danych wejściowych) funkcją logarytmicznąPodstawa logarytmu może być dowolna większa niż 1, gdyż funkcje logarytmiczne są do siebie proporcjonalne, a pomnożenie przez stałą nie ma znaczenia dla notacji dużego złożoność logarytmiczna funkcją liniową złożoność liniowa złożoność liniowo-logarytmiczna (lub quasi-liniowa) funkcją kwadratową złożoność kwadratowa wielomianem złożoność wielomianowa funkcją wykładniczą złożoność wykładnicza silnią
Zobacz też wzrost wykładniczy złożoność obliczeniowa
Przypisy
Kategoria:Teoria obliczeń Kategoria:Analiza rzeczywista