数据结构：时间复杂度

        引言：对于一个算法我们评价其是优是劣，应该从两个角度去分析，分别是时间复杂度和空间复杂度，今天这篇博客我们就从折柳昂个方面展开详细讨论并引例分析。

算法的复杂度

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， 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。

正文：

算法的时间复杂度是一个函数， 算法中的基本操作的执行次数，为算法 的时间复杂度。

空间的复杂度是执行过程中的变量个数。

// 请计算一下Func1中++count语句总共执行了多少次？
void Func1(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;
}
printf("%d\n", count);
}

这里引入到一个大O渐进表示法：去掉了那些对结果影响不大的项，也就意味着其中有一些项是可以忽略的。下面引入一些示例：

这里本应该是F(N)=2*N+10,但在我们选择了大O渐进法表示了以后，10和2都可以忽略掉，也就是最大的级数就是N。下面两张图与上图思想一致，不做重复讲解。

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

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)

 如下图所示：

 冒泡排序：

如上图冒泡排序，最好情况下是从头到尾排一次序，那么有几个数N，就是O(N),最坏的情况就是到最后一个数了才排好序，那么这个时候就要从头加到尾，这便是等差数列求和，此时最高级数为N^2。

二分查找：

 如上图，是一个二分查找，最好的情况就是正中间的那个就是，也就是O(1),最坏的情况，就是不断地二分，直到分不下去的时候才找到，这种情况的话就是2*2*......*2=N，也就是logN。 

斐波那契数列：

 下面说一道力扣上的题：

 这里有三个方法

1.排序+二分查找，这个时间复杂度为O(N*logN)，明显不符合题意，所以舍弃该方法

2.异或

先交代码：

int missingNumber(int * nums,int numbersize) 
{
    int val=0;
    for(int i=0;i<numbersize;i++)
    {
        val^=nums[i];
    }
    for(int i=0;i<=numbersize;i++)
    {
        val^=i;
    }
    return val;
}

 这一段代码用到了异或的思想，首先我们要先复习一下异或的原理：1.0与任何数异或还是这个数；2.异或取二进制形式，按位取异；3.举例，1与3异或，再次与3异或，还是1。

该段代码就用到了3这条性质，第一个for是用来遍历整个数组的，也就是相当于把0~n这些数字全都存储到val里，此时是缺一个数的；第二个for根据性质3，相当于一层一层剥去val的外衣，最后因为val会与所有数取异或，这样只被取一次异或的小朋友就出来了。

3.全取和，一个一个减

int missingNumber(int * nums,int numbersize) 
{
    int sum=numbersize*(numbersize+1)/2;
    for(int i=0;i<numbersize;i++)
    {
        sum-=nums[i];
    }
    return sum;
}

 该代码的时间复杂度也是O(N)也符合题意，而且比上一个方法好想一点。

总结：

1.掌握时间复杂度的概念，并认真理解示例内容；

2.加深对冒泡排序，二分查找，斐波那契数列原理的理解；

3.对力扣习题深入理解。