数据结构与算法 （2）复杂度---（空间复杂度）

这是复杂度的第二篇讲解，空间复杂度

---

今天我们将进入空间复杂度的学习，也会举一些例子，方便大家理解

空间复杂度

定义

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，注意，他是一个量度，纠结具体占用了多少个字节，这是没有意义的，所以在这里我们采用的也是大O渐进表示法。

还有一点需要注意的是：函数运行时会创建栈帧（就像函数的形参，临时变量以及寄存器信息，都是存在栈帧中的），会占用一些空间，但是这些空间是不算在空间复杂度中的，而且他也是一个常量。
举几个例子：

例一（常数级）

void func(int* a,int* b)      
{      
  int c = *a;    
  *a = *b;    
  *b = c;    
}

就像上面这一串代码，他的时间复杂度就是O（1），因为它申请的额外空间就只有c一个，是常数级的，这样的就是O(1)

例二（动态申请内存）

int* fun2(int n)  
{  
  int *a = (int *)malloc(sizeof(n)*n);  
  return a;                                                                       
} 

再比如说这个例子，你申请的空间和n有关，设n的值为N 你的空间复杂度就是O（N），实际上O里面这个不一定非要是N，任意一个字母都可以，但是看N比较顺眼，大家用的也多。
这是显示申请内存的例子，下面我们说一说递归。

递归求空间复杂度

关于递归算法的空间复杂度也有一个公式，就是：单次运行需要空间*递归的深度，这个也很好理解，因为递归是一层一层的，假如我们算法本来要申请的空间是N，那么深度每增加一层，需要的空间也是需要提升的（栈帧是常量），我们举个例子：

这个求递归的阶乘我们之前在学习时间复杂度的时候用过，这里再套用一下。
像这样，我们的递归每深入一次，就会创建一个栈帧，这个栈帧不会立马销毁，而是占用着我们的内存，只有递归到头返回的时候，才会逐步销毁。并且栈帧的大小是编译的时候就已经规定好的，是一个常量，这个时候我们就可以把他当作1来处理，那这个阶乘递归的空间复杂度就是O（N）,和我们要求谁的阶乘有关。
下面我们再来看看斐波那契数列的空间复杂度：

代码就是这样，我们主要看他的深度是怎么样的：

像这样fib(5)在运行的时候会创建一个栈帧 然后继续深入是fib(4),fib(3),fib(2)
到fib（2）时它可以返回了，他的栈帧就会被销毁，返回到fib（3）,可是 fib（3）还要继续求fib（1），这时就会给fib（1）再创建一个栈帧，而这个栈帧就恰好和fib（3）的栈帧深度相同：

大概就是这样，然后我们发现fib(3)可以返回了，并且销毁了他的栈帧，返回之后fib(4)还要求 fib(2)，又创建了栈帧，这时我们发现，递归的深度不会比刚才fib（2）创建的栈帧更深了，显然，这就是斐波那契数列递归算法的深度，由于栈帧是一个常量，而且在函数中我们没有申请其他的空间，所以斐波那契数列的空间复杂度就是 1*(N-1),简化之后就是O（N）。

总结

以上就是对空间复杂度的介绍，实际上不用死记硬背太多，我们遇到了不会算的就画图，深入思考一下就可以了。