【数据结构】彻底掌握时间复杂度和空间复杂度_数据转换时间复杂度

> 
> 用一个函数表达式来表示（N表示执行次数）：F(N)=N\* N+2\*N+10。使用大O的渐进表示法表示为O(N2)。
> 
> 
> 


![对比](https://img-blog.csdnimg.cn/81fe2c0acf8f4a08ba7c53e08b09db17.png)



> 
> 通过上面这张图对比我们可以发现大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。
> 
> 
> 


### 3.时间复杂度练习


练习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);
}

> 
> 解析：时间复杂度为O(N)。用函数表达式来表示（N表示执行次数）：F(N)=2\* N+10。用大O的渐进表示法需要去掉加法常数，2\*N+10是属于N这个量级的，N的系数无论多大都要改为1，因为当N无限大时，系数对结果影响不大，所以时间复杂度为O(N)。
> 
> 
> 


练习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);
}

> 
> 解析：时间复杂度为O(N+M)。具体运行次数为F(N)=N+M；用大O的渐进表示法估算之后时间复杂度为O(N+M)，因为N和M都是属于同一个量级的，所以M不能省略。
> 
> 
> 


练习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);
}

> 
> 解析：时间复杂度为O(1)。具体运行次数为100次，是常数级，根据大O的渐进表示法时间复杂度为O(1)。
> 
> 
> 


练习4：

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

> 
> 解析：时间复杂度为O(N)。`strchr`函数作用为在一个串中查找给定字符的第一个匹配之处，并且返回一个指向该字符串中第一次出现的字符的指针，如果字符串中不包含该字符就返回`NULL`指针。  
>  主要实现过程为：
> 
> 
> 

while(*str++)
{
if(*str==character)
return str;
}
return NULL;

> 
> 在这种情况下时间复杂度就要区分为最好情况和最坏情况以及平均情况。假设字符串中共有n个字符，最好情况是第一次就找到，时间复杂度为O(1)；最坏情况是在最后一次才找到或者没有找到，时间复杂度是O(N)；平均情况下整体来看时间复杂度为O(N/2)。但是在实际中，一般情况下关注的是最坏运行情况。所以数组中搜索数据时间复杂度为O(N)。
> 
> 
> 


练习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;
}
}

> 
> 解析：时间复杂度为O(N2)。本题是冒泡排序，不能看到是两层循环时间复杂度就是O(N2)，我们要根据其算法的思想去思考时间复杂度，不能仅仅依靠代码。冒泡排序思想是，第一趟比较n-1次，第二趟比较n-2次，……最后一趟比较1次，比较次数构成等差数列，求和得到最后的执行次数是F(N)=(N-1)\*N/2；用大O阶表示法时间复杂度就是O(N2)。
> 
> 
> 


练习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O(logN)。根据二分查找的思想去算时间复杂度；最好情况是第一次查找就找到了，时间复杂度是O(1)；最坏情况是查找到最后一个单独的数时才找到或者查找结束也没有找到要找的数，假设一共有N个数，每次查找，查找区间缩小一半，即查找多少次，除2多少次，查找到最后一个值时，查找结束。  
>  下图中，绿色表示最后一个值，查找N次后，查找到最后一个值，N/2/2/2/……/2=1；假设查找x次，即2x=N;x等于以2为底N的对数，如下图：  
>  ![以2为底N的对数](https://img-blog.csdnimg.cn/ee5aa9fe3db9483ea4d63869e3321974.png#pic_center)  
>  ![二分](https://img-blog.csdnimg.cn/3ca2dca098d94665ad9335767108a821.png#pic_center)
> 
> 
> 



> 
> 因为以2为底的对数在计算机中不容易表示出来，所以我们允许将其写为logN，可以省略底数，有些地方还会写为lgN；但是不是以2为底的对数不能省略底数。
> 
> 
> 


练习7：

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

> 
> 解析：时间复杂度是O(N)，每次递归里面有两个语句，一个`if`语句和一个`return`语句，递归一共调用N次，可以认为执行次数为2N，时间复杂度用大O的渐进表示法就是O(N)。
> 
> 
> 


练习8：

long long Fac(size_t N)
{
if(0 == N)
return 1;
for(size_t i=0;i<N;i++)
{
//……
}
return Fac(N-1)*N;
}

> 
> 解析：时间复杂度是O(N2)。每次调用时函数中都有循环语句，第一次调用执行N次，第二次调用执行N-1次，第三次调用执行N-2次……最后一次调用执行1次，因为是用大O的渐进表示法，是估算，所以可以看成每次调用只执行了循环语句，执行次数相加之后得到大致执行次数，利用大O的渐进表示法可以认为时间复杂度是O(N2)。`我们可以认为递归时间复杂度的计算就是将每次递归调用的执行次数累加`。
> 
> 
> 


练习9：

long long Fib(size_t N)
{
if(N < 3)
return 1;
return Fib(N-1) + Fib(N-2);
}

> 
> 解析：时间复杂度是O(2N)。每次递归和每次递归所执行的次数我们可以用下面的图来表示：  
>    
>  ![在这里插入图片描述](https://img-blog.csdnimg.cn/578bd800876045839a41a410e7e39afe.png)假设最后一层算到2，从2~N一共是N-1层，所以最后一层的执行次数是2(N-2)，因为函数中每次执行的次数为常数次，所以每次调用我们可以认为函数中只执行了一次，因此每次递归执行的次数如上图所示。执行次数构成一个等比数列，求和之后根据大O的渐进表示法可以知道时间复杂度是O(2N)。
> 
> 
> 


### 4.空间复杂度介绍及练习



> 
> 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byte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。空间复杂度计算规则基本跟时间复杂度类似，也使用大O的渐进表示法。  
>  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。  
>  函数的空间复杂度一般情况下是O(1)和O(N)。
> 
> 
> 


练习1：

void Func1(int N)
{
int count = 0;
for (int k = 0; k < 2 * N ; ++ k)
{
++count;
}
printf(“%d\n”, count);
}

> 
> 解析：空间复杂度是O(1)。函数中只定义了两个变量`count`和`k`，根据大O阶推导法可知空间复杂度是O(1)。
> 
> 
> 


练习2：

// 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]);

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

		Swap(&a[i-1], &a[i]);

[外链图片转存中…(img-TdR77Jnk-1714273516457)]
[外链图片转存中…(img-RPEtqsje-1714273516458)]
[外链图片转存中…(img-z3Bc7LMi-1714273516458)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取