我曾经听过以下一句话，但忘记了归因于谁：
在等待（多项式时间）算法停止时，不要忘记你的生命周期也受到多项式的限制。
有人可以提供参考吗？
我的另一个问题是：多项式时间算法很好，但是在实践中使用的算法的例子是什么，需要O(n^101)，即以高次多项式为界？
答案 0 :(得分：2)
好吧，我还没有看到O（n ^ 101），但是通过组合其他稍低阶算法无意中创建高阶算法是很常见的。根据我的经验，复杂性很少局限于一个变量，它通常用多个变量表示，例如： O（A *日志（B）的日志（C）（d ^ 2）*（E-F））
作为一个例子，我最近的任务是开发一个algorithm to locate all potential sites for a pumped hydro electric power station for a given terrain model，其面积为（X）×（Y）米，由（N）3d坐标组成。要求是在指定的最大水平距离（H）内找到指定最小面积（A）的平坦区域，并且另一个平面的最小高度差（Z）具有规定的最小尺寸。此上下文中的平直度定义为在垂直间隔（V）搜索时必须移动以将区域平移到任意高程（E）的材料体积。区域被定义为具有直径（D）的（S）边的多边形，并且搜索分辨率以米（M）指定。蛮力的复杂性非常类似于此;
1）线性扫描初始平坦区域= O（（X / M）*（Y / M）），该区域的高度范围为Z1至Z2 2）计算当前位置的平直度，计算单个体积O（S），搜索最小体积O的高度（（（Z2-Z1）/ V）* S） 3）径向扫描靠近当前平坦区域的另一个平坦区域O（D / M），并计算新区域O的平坦度（（Z3-Z4）/ V）* S）
结合这个我们得到O（（X / M）（Y / M）（（Z2-Z1）/ V） S （D / M）（H / M）（（Z3-Z4）/ V）* S）显然需要更好的方法;）
由于必须在搜索中搜索，因此在这种情况下出现了复杂性。例如寻找地形中的平坦斑点，其中平坦斑点的定义本身需要非平凡的搜索，这反过来可能导致更多的搜索。有时这是不可避免的，导致不合理的复杂程度。
抽象通常可以成为你的敌人，其中一个迭代库例程迭代地使用另一个迭代库例程，而这个例程又在你自己的代码中迭代使用。容器类的错误选择在这里是常见的陷阱，特别是当您点击包含其他容器的容器时。
答案 1 :(得分：2)
很可能任何复杂度为O（n 100 ）的算法都不实用，这就解释了为什么这些算法在实践中没有被使用。
一个反复出现的高多项式算法问题是，你有大量的对象（N个对象），你需要根据给定的任意度量从集合中找到k个元素的“最佳”子集，或者找到具有特定属性的k个元素的子集。唯一始终适用的解决方案是枚举所有可能的子集。这直接导致O（N k ）复杂度（其中k是固定的）。然而，k = 100的情况很难想象，并且在实践中对于大多数N值都无法解决。