数据结构—时间及空间复杂度(C语言版)
1.算法的效率
同一个算法在不同的计算机上的运行时间不同,一次不能用运行时间来判断一个算法的效率。
算法在编写成可执行程序后,运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏,一般是从时间和空间两个维度来衡量的,即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢,而空间复杂度主要衡量一个算法运行所需要的额外空间。
在计算机发展的早期,计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展,计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
2.时间复杂度
2.1时间复杂度的概念
时间复杂度的定义:在计算机科学中,算法的时间复杂度是一个函数(相当于方程式写出来函数表达式),它定量描述了该算法的运行时间。一个算法执行所耗费的时间,从理论上说,是不能算出来的,只有你把你的程序放在机器上跑起来,才能知道。但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例,算法中的基本操作的执行次数,为算法的时间复杂度。
例如:
void fun1(int n)
{
int count = 0;
for(int i=0;i<n;i++)
{
for(int j=0;j<n;j++)
{
count++;
}
}
for(int k=0;k<2*n;k++)
{
count ++;
}
int m=10;
while(m--)
{
count ++;
}
} //上述代码执行的基本操作的次数为多少
f(n)=n * n + 2 * n+ 10
实际中我们计算时间复杂度时,我们其实并不一定要计算精确的执行次数,而只需要大概执行次数,那么这里我们使用大O的渐进表示法。(即类似与数学求极限当n趋于无穷时常数10和2*n可以忽略)
故上述代码的空间的复杂度为O(n^2)
2.2 大O的渐进表示法
大O符号(Big O notation):是用于描述函数渐进行为的数学符号。
推导大O阶方法:
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、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。使用大O的渐进表示法以后,Func1的时间复杂度为O(n^2).
特殊情况
通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数。
另外有些算法的时间复杂度存在最好、平均和最坏情况:
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)
例如:在一个长度为N数组中搜索一个数据x
最好情况:1次找到
最坏情况:N次找到
平均情况:N/2次找到
(此点非常重要)在实际中一般情况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)
2.3代码举例
例1
void fun2(int n)
{
int count = 0;
for(int k=0;k<2*n;k++)
{
count ++ ;
}
int m=10;
while(m--)
{
count ++ ;
}
}
f(n)=2 * n+10
由2.2渐进表示法可知只保留最高阶并且将最高阶前面的系数置为1
因此此代码的时间复杂度为O(n).
例2
void fun3(int n,int m)
{
int count = 0;
for(int k=0;k<m;k++)
{
count ++ ;
}
for(int k=0;k<n;k++)
{
count ++;
}
}
f(n)=m+n
由2.2渐进表示法可知只保留最高阶并且将最高阶前面的系数置为1
m和n均为一阶,因此此代码的时间复杂度为O(n+m).
例3
void fun4(int n)
{
int count = 0;
for(int k=0;k<100;k++)
{
count ++;
}
}
f(n)=100
由2.2渐进表示法可知用常数1取代运行时间中的所有加法常数
因此此代码的时间复杂度为O(1).
例4
const char * strchr (const char *str,int charrr);
//strchr 与strstr不同,前者是从一段字符串中找charrr这个字符
//strstr是在在一段字符串中找字串
由2.2的特殊情况可知,在实际中一般情况关注的是算法的最坏运行情况,
因此此段代码的时间复杂度是O(n),n为此段的字符串的长度。
例5
void fun5(int n) {
if (n >= 0) {
// 第一条路径时间复杂度为 O(n^2)
for(int i = 0; i < n; i++) {
for(int j = 0; j < n; j++) {
printf("输入数据大于等于零\n");
}
}
} else {
// 第二条路径时间复杂度为 O(n)
for(int j = 0; j < n; j++) {
printf("输入数据小于零\n");
}
}
}
由2.2的特殊情况可知,在实际中一般情况关注的是算法的最坏运行情况(路径最长的),上面的最坏的运行情况是走if语句时间复杂度为O(n^2)
其他情况分析与上述类似。
总结:计算时间复杂度时,实际是计算代码执行次数,从里到外,可以按照语句类型进行计算。(1)循环语句:重点在于循环的次数;(2)条件语句:选择时间复杂度最大的路径计算;(3)顺序语句:选择时间复杂度最大的语句块作为标准。
习题练习
(1)基础题(答案在后面)
求该方法的时间复杂度:
void fun6(int n) {
for (int i = 0; i < n; i++) {
for (int j = i; j < n; j++) {
printf("Hello World\n");
}
}
}
(2)进阶题
void fun7(int n) {
for (int i = 2; i < n; i++) {
i *= 2;
printf("%i\n", i);
}
}
(3)再次进阶
long fun8(int n) {
if (n <= 1) {
return 1;
} else {
return aFunc(n - 1) + aFunc(n - 2);
}
}
1.O(n^2)
2.O(log n)
3.O(2^n)
空间复杂度
空间复杂度也是一个数学表达式,是对一个算法在运行过程中临时占用存储空间大小的量度 。
空间复杂度不是程序占用了多少bytes的空间,因为这个也没太大意义,所以空间复杂度算的是变量的个数。(不用管double 还是int 或者char 只计算他们的个数)
空间复杂度计算规则基本跟实践复杂度类似,也使用大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式申请的额外空间来确定。
例题
//计算冒泡排序的空间复杂度?
void BubbleSort( int* a, int n)
{
assert(a);
for( size t end = n; end > 0;--end)
{
int exchange = 0
for( sizeti= 1; i< end; + +i)
{
if(a[i-1]>a[i])
{
Swap(&a[i-1],&a[i]);
exchange =1;
}
if (exchange == 0)
break;
}
}
}
f(n)=1+1+1=3(参数不计算)
5为常数与2.2渐进法表示相同开辟常数个空间按1处理故空间复杂度为O(1).
例题
//计算阶乘
long long fac (size_t n)
{
if(n==0)
return 1;
return fac(n-1)*n;
}
对于递归空间复杂度的计算=递归次数每次递归开辟的空间书(常数按1处理)
每次递归都开辟了常数个空间,一共递归了n次
故空间复杂度为O(1n)即O(n).
习题
// 计算Fibonacci的空间复杂度?
// 返回斐波那契数列的前n项
long long* Fibonacci(size_t n)
{
if(n==0)
return NULL;
long long * fibArray = (long long *)malloc((n+1) * sizeof(long long));
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n ; ++i)
{
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}
答案O(n)
本人第一次写博客9月份上大二,想用博客记录一下我所学的知识,这个假期我打算2024.7.8-9.1我打算自学数据结构c语言版并记录在博客上。如果有错误的地方请私信指正,我一定会改正,希望与卿共同成长。如果有不懂的可以评论或者私信我看到一定会回复。