数据结构-时间复杂度

数据结构是什么

数据结构（Data Structure）是计算机存储、组织数据的方式，值相互之间存在一种或多种特定关系的数据元素的集合。

算法是什么

算法（Algorithm）：就是定义良好的计算过程，他取一个或一组的值为输入，并产生一个或一组的值为输出。简单来说算法就是一系列的计算步骤，用来输入数据转化或输出结果。

算法的时间复杂度和空间复杂度

算法效率

如何衡量一个算法的好坏

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，因此衡量算法的好坏，一般时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。在计算机发展早期，计算机的容量很小，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。

时间复杂度

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（数学里面带有未知数的函数表达式），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的时候，才能知道。但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比例，算法中的基本操作的执行次数，为算法的时间复杂度。
即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。
比方说我们写了一个冒泡排序，要对100万个数排序，将它分别放到10年前2核cpu、2g内存的机器和今天8核cpu、8g内存的机器时间一样吗？当然是不一样的，环境不同，具体运行的时间就不同，所以我们在计算时间复杂度时计算的是基本语句运行的次数。

例题

Func1

// 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);
}

这个函数的时间复杂度就是F(N)=N²+2*N+10,我们再来看看当N取具体值是F(N)的值及对该函数影响最大的项即N²的值

F(N)	N2	N
130	100	10
10210	10000	100
1002010	1000000	1000

我们会发现，在N不断增大的过程中，N²所发挥的作用在不断增大，而后两项所发挥的作用则在不断地变小，所以在实际中计算时间复杂度时，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（估算，保留对时间影响最大的一项），即上述函数的时间复杂度 可表示为：O(N²)。
大O的渐进表示法还有一些具体的规则
1.用常数1取代时间中所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶级。
3.如果最高阶级存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶。
知道了这些我们再来看看Func2的时间复杂度是多少

Func2

// 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);
}

精确答案为2*N+10，而用大O阶表示为O(N)

Func3

// 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);
}

笔者在这里想提醒一句，一般情况下时间复杂度计算时未知数都是用的N但是也可以使用M、K······其他的，因为这里我们并不知道M和N的大小关系，所以答案是O(M+N)，但如果题目告诉你M远大于N那么答案就是O(M),反之，答案为O(N)，如果他俩差不多大，那么既可以说答案时O(M)也可以说答案是O(N)

Func4

// 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);
}

这里没有未知数了，所以根据上面说的，用常数1取代时间中所有加法常数，该函数的时间复杂度就是O(1)

strchr

char *strchr( const char *string, int c );

这个函数具体是这样实现的

while(*string)
{
	if(*string == c)
		return string;
	else
		++string;
}

所以我们很容易看出这个库函数就是用来在一个字符串里查找特定字符的，那么他的时间复杂度是什么呢？这个函数跟上面的有所不同，比方说我们想在hello world这列字符串中查找某个字符，那么当我们分别找’h’和’w’和’d’时，情况都是不一样的，所以时间复杂度分出了3种不同的情况：
最好情况：任意输入规模的最小运行次数（下界）
平均情况：任意输入规模的期望运行次数
最坏情况：任意输入规模的最大运行次数（上界）
时间复杂度是一个悲观的预期，当一个算法随着输入不同，时间复杂度不同，时间复杂度看最坏情况。所以该函数的时间复杂度为O(N)。

BubbleSort

// 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;
}
}

精确答案是，N*(N-1)/2,所以其大O阶为O(N²)。

二分查找

// 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;
while (begin < end)
{
int mid = begin + ((end-begin)>>1);
if (a[mid] < x)
begin = mid+1;
else if (a[mid] > x)
end = mid;
else
return mid;
}
return -1;
}

我们算时间复杂度不能只看他有几层循环，而要去看他的思想，这个代码的时间复杂度为O(log₂N),这个答案是怎么来的呢？我们首先要知道这个算法的最坏结果是什么，很显然是找不到答案的时候，下面我用一张图来展示一下二分查找的大致流程：

空间复杂度

1.空间复杂度也是一个数学函数表达式，是对一个算法在进行运行过程中临时额外占用存储空间大小的量度。
2.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，所以空间复杂度的算的是变量的个数。空间复杂度计算规则基本跟时间复杂度类似，也使用大O渐进排序法。

斐波那契数列

// 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;
}

这题的答案很显然，我们为斐波那契数列开辟了(n+1)个内存，虽然其他地方也有内存占用，但仅为常数个，大头还是n，所以我们可以说这个程序的空间复杂度是O(n)

递归版

那么递归版的斐波那契数列的空间复杂度该怎么算呢？我们只需要计算其递归次数

// 计算斐波那契递归Fib的空间复杂度？
long long Fib(size_t N)
{
if(N < 3)
return 1;
return Fib(N-1) + Fib(N-2);
}

用递归实现斐波那契数列比较复杂，所以我们只需要关注图片中的第一列，显然程序递归了N次，所以他的空间复杂度就是O(N)。
我们要记住一句话，空间是可以重复利用的，而时间是一去不复返的。

常见的时间复杂度以及复杂度oj练习

消失的数字

现在我们就有能力来判断一个程序的好坏了
消失的数字OJ链接：https://leetcode-cn.com/problems/missing-number-lcci/

这道题有四个思路
1.排序（qsort快排），他的时间复杂度是O(n*log₂N)
2.(0+1+2+3+…+n)-(a[1]+a[2]+…+a[n-1])，他的时间复杂度是O(N)，空间复杂度是O(1)。
3.数组中值是几就在第几个位置写下这个值，空间复杂度是O(N)，时间复杂度是O(N)
4.给一个值x=0，x先跟[0,n]的每个值异或，x再跟数组中每个值异或，最后x就是缺的那个数字

旋转的数组

https://leetcode-cn.com/problems/rotate-array

这道题我们有三种思路来解决
1.暴力求解，旋转k次，时间复杂度O(k*N),空间复杂度O(1)
2.开辟额外空间，以时间换空间，时间复杂度O(N)，空间复杂度O(N)

3.这种方式很妙，只需要通过三次逆序