最坏情况和理想模型

然而以上定义仍然不能满足我们的需求

对于同一问题等规模的不同实例，计算成本不尽相同，甚至有实质差别

例如：

在平面上的n个点钟，找到所成三角形面积最小的三个点，

以蛮力算法为例，蛮力算法也就是暴力枚举

最坏情况下，需枚举所有C（n，3）种组合（即最后才找到那个面积最小的三角形）

但是运气好的话只需要找3个点就行

这样的例子还有很多

我们不能把命运寄托给运气

所以我们更应该关心的是最坏的情况

也就是取T（n）的最大值

在稍后我们会关注其他的性能 比如平均性能 分摊性能  但是

首当其冲的是关心最坏的情况

评判问题多种算法的优劣性时，常常受到很多因素的影响

如下图所示

而我们需要抽象出一个理想的平台和模型

比如说我们接下来要讨论的图灵机模型