时间复杂度、空间复杂度及二分查找、斐波那也数分析

时间复杂度  时间复杂度实际是一个函数，该函数计算的是执行基本操作的次数

时间复杂度计算方法

（1）数次数

（2）O（）

1. 用常数1取代运行时间中的所有加法常数

2. 只保留最高项

3. 最高项系数不为1的改为1

注意：选取最坏时间复杂度即选取增长最快的项

递归的时间复杂度=递归总次数*每次递归中基本操作所执行是次数

 

空间复杂度   函数中创建对象的个数关于问题规模表达式

不是计算实际占用的空间，而是计算整个算法的辅助空间单元的个数，与问题规模没有关系（简单理解就是算法执行时创建的变量个数（包括临时变量）

空间可以重用，算递归最坏（最深）的一种情况

常用的时间复杂度所耗费的时间从小到大依次是：

O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)

曲线越陡，时间复杂度越大，越不好

 

分析二分查找、递归实现的斐波那契数列的时间/空间复杂度

 二分查找

while(left <= right)

{

int mid=left+(right-left)/2;

if(arr[mid] == n)

{

printf("找到了%d: ", mid);

    break;

}

else if(arr[mid] < n)

{

left = mid+1;

}

else 

{

right = mid-1;

}

}

因为二分查找每次排除掉一半的不适合值，所以对于n个元素的情况：
一次二分剩下：n/2
两次二分剩下：n/2/2 = n/4
。。。
m次二分剩下：n/(2^m)
在最坏情况下是在排除到只剩下最后一个值之后得到结果，所以为
 n/(2^m)=1;
2^m=n;
所以时间复杂度为：log2(n)

辅助空间单元数是常数。所以空间复杂度是0（1）

递归实现的斐波那契数列

int fib_recursion(int n)

 {

if (n <= 2)

return 1;

 else

 {

 return fib(n - 1) + fib(n - 2);

}

}

每一步计算都被分成计算前两个斐波那契数，以此类推。那么这就形成了一颗二叉树，虽然不是满二叉树，但是我们分析的是最坏时间复杂度，而且只要估算出来递归次数随N增长的趋势即可，故可以近似将它看成满二叉树，其中的节点数就是计算的次数，也就是复杂度，由公式：节点数=2^h-1（h为树的高度）可得O（2^n）。

递归的时间复杂度是：  递归次数*每次递归中执行基本操作的次数，所以时间复杂度是： O(2^N)

递归最深的那一次所耗费的空间足以容纳它所有递归过程。递归产生的栈侦是要销毁的，所以空间也就释放了，要返回上一层栈侦继续计算+号后面的数，所以它所需要的空间不是一直累加起来的，之后产生的栈侦空间都小于递归最深的那一次所耗费的空间。

递归的深度*每次递归所需的辅助空间的个数 ，所以空间复杂度是：O(N)