最新【数据结构】算法的时间复杂度和空间复杂度，2024年最新卑微打工人

本文链接：https://blog.csdn.net/2301_79988566/article/details/138553692

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

大O的渐进表示法

大O符号：是用于描述函数渐进行为的数学符号。

推导大O阶方法：

用常数1取代运行时间中的所有加法常数。
在修改后的运行次数函数中，只保留最高阶
如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

通过上面我们会发现大O阶的渐进表示去掉了那些对结果影响不大的项，简介明了的表示出了执行次数。另外还有些算法的时间复杂度存在最好、平均、最坏情况：

最坏情况：任意输入规模的最大运行次数（上界）

平均情况：任意输入规模的期望运行次数

最好情况：任意输入规模的最小运行次数（下界）

在实际中一般情况下关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)

常见的时间复杂度计算举例

实例1：

// 计算Func2的时间复杂度？
void Func2(int N)
{
	int count = 0;
	for (int k = 0; k < 2 \* N; ++k)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

时间复杂度为：O(N)

实例2：

// 计算Func3的时间复杂度？
void Func3(int N, int M)
{
	int count = 0;
	for (int k = 0; k < M; ++k)
	{
		++count;
	}
	for (int k = 0; k < N; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

时间复杂度为：O(N+M)

实例3：

// 计算Func4的时间复杂度？
void Func4(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

时间复杂度为：O(1)

实例4：

// 计算strchr的时间复杂度？
const char \* strchr ( const char \* str, int character );

这个函数我们之前没见过，具体功能如下：

所以时间复杂度为：O(1)

实例5：

// 计算BubbleSort的时间复杂度？
void BubbleSort(int\* a, int n)
{
	assert(a);
	for (size\_t end = n; end > 0; --end)
	{
		int exchange = 0;
		for (size\_t i = 1; i < end; ++i)
		{
			if (a[i - 1] > a[i])
			{
				Swap(&a[i - 1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

可以看到这是一个等差数列：最后的时间复杂度为O(N^2)

实例6：

// 计算BinarySearch的时间复杂度？
int BinarySearch(int\* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n - 1;
	// [begin, end]：begin和end是左闭右闭区间，因此有=号
	while (begin <= end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid - 1;
		else
			return mid;
	}
	return -1;
}

时间复杂度是以2为低N的对数（经常允许写成O(logN)

实例7：

// 计算阶乘递归Fac的时间复杂度？
long long Fac(size\_t N)
{
	if (0 == N)
		return 1;

	return Fac(N - 1) \* N;
}

时间复杂度是O(N)

实例8：

// 计算斐波那契递归Fib的时间复杂度？
long long Fib(size\_t N)
{
	if (N < 3)
		return 1;

	return Fib(N - 1) + Fib(N - 2);
}

实例9：

// 计算斐波那契递归Fib的时间复杂度
long long Fib(size\_t N) 
{
    if(N < 3) {
        return 1;
    }
    return FibK(N - 1) + Fib(N - 2);
}

所以时间复杂度为2^N

空间复杂度

空间复杂度也是一个数学表达式，是一个算法在运行过程中临时占用了存储空间大小的量度

空间复杂度不是程序占用了多少字节的空间，因为这个也没有多大的意义，所以空间复杂度算的是变量的个数。空间复杂度计算规则基本根实践复杂度类似，也使用了大O渐进表示法

注意：函数运行时所需要的栈空间（存储参数、局部变量、一些寄存器信息等）在编译期间已经确定好了，因此空间复杂度主要通过函数在运行时候显示申请的额外空间来确定。

常见复杂度对比

复杂度的oj练习

消失的数字

思路一：

int missingNumber(int\* nums, int numsSize){
 int sum1 = 0;
 int sum2 = 0;
 sum1 = (numsSize + 1) \* numsSize / 2;
 for(int i = 0; i < numsSize; i ++) {
     sum2 += nums[i];
 }
 return sum1 - sum2;
}

思路二：