术 | 数据结构与算法空间复杂度

这是我参与更文挑战的第8天，活动详情查看： 更文挑战

空间复杂度全称是渐进空间复杂度(asymptotic space complexity)，表示算法的存储空间与数据规模之间的增长关系。

1.什么是复杂度

java void fuction(n){ int i = 0; int[] a = new int[n]; for(i;i<n;i++){ a[i] = i*i; } //use a[i] to do someting }

例如上面的代码，第 2 行代码中，我们申请了一个空间存储变量 i，但是它是常量阶的，跟数据规模 n 没有关系，所以我们可以忽略。第 3 行申请了一个大小为 n 的 int 类型数组，除此之外，剩下的代码都没有占用更多的空间，所以整段代码的空间复杂度就是 O(n)。

我们常见的空间复杂度就是 O(1)、O(n)、O(n2 )，像 O(logn)、O(nlogn) 这样的对数阶复杂度平时都用不到。

2.定义复杂度

复杂度也叫渐进复杂度，包括时间复杂度和空间复杂度，用来分析算法执行效率与数据规模之间的增长关系，可以粗略地表示，越高阶复杂度的算法，执行效率越低。常见的复杂度并不多，从低阶到高阶有：O(1)、O(logn)、O(n)、O(nlogn)、O(n2 )。等你学完整个专栏之后，你就会发现几乎所有的数据结构和算法的复杂度都跑不出这几个。

3.其它一些概念

1. 最好情况时间复杂度(best case time complexity)
2. 最坏情况时间复杂度(worst case time complexity)
3. 平均情况时间复杂度(average case time complexity)
4. 均摊时间复杂度(amortized time complexity)

4.总结

算法的空间复杂度通过分析算法需多少存储空间去实现。如果是放在计算机发展之初，那时候的内存很小，每一K的大小的存储空间都至关重要，但是随着硬件发展，我们现在可以完全不考虑算法所占的内存，通常都是用空间换取时间。而且算法的空间复杂度比较难算，在实际项目中，更倾向于用空间资源换取时间的资源。