算法学习（0）时间复杂度和空间复杂度

1、时间复杂度： to do的执行次数。
例如：一个100*100的二维数组，数组每一行都是1到100，计算数组中所有数字之和。
公式法时间复杂度为1

void addOneByOne(int arr[][100],int n){
    int sum=0;
    sum=n*n*(n+1)/2
    printf("result is:%d",sum);
}

而如下方法时间复杂度为$100^2$

#include<iostream>
using namespace std;

void addOneByOne(int arr[][100],int n){ //不能写成int arr[][n]
    int sum=0;
    for(int i=0;i<n;i++){
        for (int j=0;j<n;j++){
            sum+=arr[i][j];
        }
    }
    printf("result is:%d",sum);
}

int main(){
    int n=100;
    int ar[100][100]={0};//定义二维数组时，大小要写实数
    int a=0;
    for(int i=0;i<n;i++){
        a=1;
        for (int j=0;j<n;j++){
            ar[i][j]=a;
            a++;
        }
    }
    addOneByOne(ar,100); //调用函数，变量是二维数组时只用写变量名
    system("pause");
    return 0;
}

2、常见的耗费时间的大小关系：

3、几种常见的阶

（1）常数阶

比如：

n=n+1;
n=n+1;
n=n+1;
n=n+1;

n=n+1;执行了4次，是常数级，用O(1)表示；即使是重复了100次，也是用O(1)表示。
再比如：
sum=n*(n+1)/2; 时间复杂度也为O(1)

（2）线性阶
执行次数随着问题规模线性变化。如单个for循环或单个while循环。

（3）平方阶
主要是双层循环嵌套。

（4）对数阶
在二分查找和二叉树中经常会有O(logn),其本质都可以简化成如下模型：

int count=1;
int n=64;
int items=0;
while(count<n){
    count=count*2; //to do注意这行代码执行次数与n的关系
    items++;
}

可以看出，当执行第七次时，count已经不满足count<n，执行次数x与n的关系正好是2^x=n，x=logn。
所以二分查找每循环一次都减半，所以to do的执行次数是logn。

4、举例：计算三层嵌套循环的时间复杂度

for(int i=1; i<=n; i++){
    for(int j=1; j<=i; j++){
        for(int k=1; k<=j; k++)
         @ x += delta;
    }
}

时间复杂度计算：
1+(1+2)+(1+2+3)+(1+2+3+4)+…+(1+2+3+4+…+n) $$\begin{gathered} =\sum _{i=1}^n\frac{i(i+1)}{2} \\ =\frac{1}{12}n(n+1)(2n+4) \end{gathered}$$

数学小知识：$\sum _{i=1}^n{i}^2=\frac{n(n+1)(2n+1)}{6}$

5、空间复杂度
申请一个或者是两三个变量，空间复杂度是O(1)；
申请一个数组、链表、队列、栈或者Hash，空间复杂度是O(n)；
申请一个二维数组，空间复杂度是O($n^2$)；

​