修正函数的摊销与非摊销复杂度的官方理论定义是什么？这个问题在STL的C ++标准内部特别重要，但这是一个更笼统的问题。
“常量”（非变异）函数（观察者或“获取器”）可以摊销复杂度吗？
编辑：澄清显然令人困惑的“观察者”（根据上下文，这可能意味着观察功能或外部观察者）。
至少有三个（实际上是更多个）独立的和正交的轴，沿着这些轴可能会进行算法的渐近分析：情况（最佳，平均，最差）；边界（大O，小Omega，Theta）；以及是否应考虑摊销。
案例描述了所考虑的输入类别。它实际上是算法输入的子集。在进行渐进复杂度分析时，自然会根据算法的性能w.r.t将输入状态划分为子集。子集的元素。因此，您可能有一个最佳情况，算法会尽可能地渐近地执行。尽可能渐近地表现的子集；或（在平均复杂度的情况下）一组输入及其相对权重或发生概率。在没有具体描述的情况下，很自然地假设所有输入都包括在内并且权重相等。
边界描述了算法的复杂度如何针对某个类的输入渐近地表现。复杂性可以从上方，从下方或两者都有界。边界是否狭窄？从理论上讲，选择的范围实际上可能是由所考虑的情况（最佳情况的下限，最坏情况的上限等）告知的，选择是完全独立的。
摊销分析是在基础复杂性分析之上执行的，并且考虑的不是单个输入，而是输入序列。摊销分析试图解释一系列操作的总时间复杂度如何表现。例如，考虑将新元素插入到支持数组的向量结构中的简单情况。如果我们有足够的容量，则操作为O（1）。如果容量不足，则运算为O（n）。如果我们通过算术方式增加向量的容量（每次添加例如k个新点），那么我们将有O（1）次访问（k-1）/ k，而O（n）次访问1 / k在时间上，对于O（n）摊销的复杂性。但是，如果每次需要更多容量时以几何方式增加容量，那么我们发现一系列加法将具有O（1）摊销的复杂度。
真正的常数函数可以进行摊销分析，但实际上没有理由这样做。仅当潜在的少量重复请求具有较差的单个性能，而大多数请求（渐近而言）具有渐近的较好性能时，摊销分析才有意义。