【数据结构】算法的空间复杂度

目录

1.空间复杂度概念

2.实例

2.1 计算BubbleSort的空间复杂度 

 2.2 计算用数组实现斐波那契数列的空间复杂度

 2.3 计算用三个变量进行迭代实现斐波那契数列的空间复杂度

 2.4 计算阶乘 递归的空间复杂度 

---

1.空间复杂度概念

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的存储空间大小的量度 。（临时占用的存储空间为函数体内分配的空间，不包括形参占用的空间）一般也作为问题规模n的函数。

空间复杂度不是程序占用了多少字节的空间，因为这没太大意义，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跟时间复杂度类似，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。

---

2.实例

2.1 计算BubbleSort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 (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;
 }
}

函数体内分配的变量空间为临时空间，不计形参占用的空间。(函数BubbleSort中形参a只是一个指向实参数组的指针，即形参a只分配一个地址大小的空间，并非另外分配空间存储临时变量)

这里仅计end、exchange、i 变量的空间，即使用了3个额外空间，其空间复杂度为O(1)。

可能有人觉得这是个for循环，exchange和 i 应该开辟n次，其实每次循环进来，exchange都会重新开辟，一次循环结束exchange就销毁，如此循环，exchange始终是同一个空间（空间可以重复利用不累计，但是时间一去不复返，要累计），i 同理。

 2.2 计算用数组实现斐波那契数列的空间复杂度

long long* Fibonacci(size_t n)
{
 if(n==0)
 return NULL;
 
 long long * fibArray = (long long *)malloc((n+1) * sizeof(long long));
              //malloc开辟了n+1个元素大小为long long类型的数组
 fibArray[0] = 0;
 fibArray[1] = 1;
 for (int i = 2; i <= n ; ++i)
 {
 fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
 }
 return fibArray;
}

额外开辟了N+1个空间，空间复杂度为O(N）

  2.3 计算用三个变量进行迭代实现斐波那契数列的空间复杂度

long long Fib(size_t N)
{
	long long f1 = 1;
	long long f2 = 1;
	long long f3 = 0;
	for (size_t i = 3; i <= N; i++)
	{
		f3 = f1 + f2;
		f1 = f2;
		f2 = f3;
	}
	return f3;
}

额外开辟了3个空间，空间复杂度为O(1)

2.4 计算阶乘 递归的空间复杂度 

long long Fac(size_t N)
{
 if(0 == N)
 return 1;
 
 return Fac(N-1)*N;
}

递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间。空间复杂度为O(N)

总结： 

常见的空间复杂度O(1)、O(N)、O(N^2)。