是否有任何关于 .NET 集合类（Dictionary<K,V>、List<T> 等）方法的渐近复杂性（big-O 和其他）的资源？
我知道 C5 库的文档包含一些有关它的信息 (example)，但我也对标准 .NET 集合感兴趣...（并且 PowerCollections 的信息也很好）。
【问题讨论】：
标签： .net collections big-o asymptotic-complexity
MSDN 列出了这些：
Dictionary<,>List<>SortedList<,>（编辑：错误链接；这里是generic version）SortedDictionary<,>等等。例如：
SortedList(TKey, TValue) 泛型 类是一个二叉搜索树 O(log n) 检索，其中 n 是 字典中的元素数量。 在这方面，它类似于 SortedDictionary(TKey, TValue) 泛型 班级。两个班有相似之处 对象模型，并且都有 O(log n) 恢复。哪两个班 不同之处在于内存使用和速度 插入和移除：
SortedList(TKey, TValue) 使用较少 内存比 SortedDictionary(TKey, T 值）。
SortedDictionary(TKey, TValue) 有 更快的插入和移除 未排序数据的操作，O(log n) 与 O(n) 相反 排序列表（TKey，TValue）。
如果列表一次全部填充 从排序的数据，SortedList(TKey, TValue) 比 排序字典（TKey，TValue）。
【讨论】：
This page 总结了使用 Java 的各种集合类型的一些时间复杂性，尽管它们对于 .NET 应该完全相同。
我已从该页面获取表格并针对 .NET 框架进行了更改/扩展。 另请参阅 SortedDictionary 和 SortedList 的 MSDN 页面，其中详细说明了各种操作所需的时间复杂度。
删除应该与关联集合的插入具有相同的复杂性。
SortedList 在插入和检索方面有一些显着的特点。
插入（添加方法）：
这个方法是一个 O(n) 操作 未排序的数据，其中 n 是计数。它是 一个 O(log n) 操作，如果新的 元素添加在末尾 列表。如果插入导致调整大小， 运算时间为 O(n)。
检索（项目属性）：
检索此属性的值 是一个 O(log n) 操作，其中 n 是 数数。设置属性是 如果键是 O(log n) 操作 已经在 SortedList)>)。如果钥匙不在 列表，设置属性是 O(n) 未排序数据的操作，或 O(log n) 如果新元素被添加到 列表的末尾。如果插入导致 调整大小，操作是O(n)。
请注意，就所有操作的复杂性而言，ArrayList 等同于 List<T>。
【讨论】：
我一般不知道（刚刚发布的另一个答案可能会为您提供您所追求的确切内容） - 但您当然可以使用 ILSpy 反映这个和其他方法（FSharp 代码有点尴尬，真的）和这最终将这个函数生成为 C#：
internal static a maximumElementAux<a>(SetTree<a> s, a n)
{
while (true)
{
SetTree<a> setTree = s;
if (setTree is SetTree<a>.SetOne)
{
break;
}
if (setTree == null)
{
return n;
}
SetTree<a>.SetNode setNode = (SetTree<a>.SetNode)s;
SetTree<a> arg_23_0 = setNode.item3;
n = setNode.item1;
s = arg_23_0;
}
return ((SetTree<a>.SetOne)s).item;
return n;
}
好的，所以这不是 C# 术语中的“正确”代码 - 但 while(true) 循环的存在意味着它至少不能是 O(1)；至于它实际上是什么......好吧，我的头很痛，无法找到:)
【讨论】：
本页简要说明了大多数 .NET 集合的一些主要优点和缺点：
Collection Ordering Contiguous Storage Direct Access Lookup Efficiency Manipulate Efficiency Notes Dictionary Unordered Yes Via Key Key: O(1) O(1) Best for high performance lookups. SortedDictionary Sorted No Via Key Key: O(log n) O(log n) Compromise of Dictionary speed and ordering, uses binary search tree. SortedList Sorted Yes Via Key Key: O(log n) O(n) Very similar to SortedDictionary, except tree is implemented in an array, so has faster lookup on preloaded data, but slower loads. List User has precise control over element ordering Yes Via Index Index: O(1)
Value: O(n)O(n) Best for smaller lists where direct access required and no sorting. LinkedList User has precise control over element ordering No No Value: O(n) O(1) Best for lists where inserting/deleting in middle is common and no direct access required. HashSet Unordered Yes Via Key Key: O(1) O(1) Unique unordered collection, like a Dictionary except key and value are same object. SortedSet Sorted No Via Key Key: O(log n) O(log n) Unique sorted collection, like SortedDictionary except key and value are same object. Stack LIFO Yes Only Top Top: O(1) O(1)* Essentially same as List except only process as LIFO Queue FIFO Yes Only Front Front: O(1) O(1) Essentially same as List except only process as FIFO
【讨论】：
文档说它是建立在二叉树上的，并没有提到跟踪最大元素。如果文档是正确的，这意味着它应该是 O(log n)。集合文档中曾经至少存在一个错误（将数组支持的数据结构称为二叉搜索树），但已更正。
【讨论】：