时间复杂度和空间复杂度

时间复杂度和空间复杂度

算法效率

算法效率分析分为两种：**第一种是时间效率，第二种是空间效率。**时间效率被称为时间复杂度，而空间效率被称作空间复杂度。 时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间，
在计算机发展的早期，计算机的存储容量很小。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，计算机的存储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。

大O的渐进表示法

实际中我们计算时间复杂度时，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。
大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。这里如何推导可以百度看看(身为数学弱鸡的我看的晕…)我们只要记住它的三个结论就够用了:

1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

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)
在实际开发中一般情况下,关注的是算法最坏情况下的最大运行次数,用来表示算法的时间复杂度.

时间复杂度

概念

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数学函数，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，才能知道。但是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正比例，算法中的基本操作的执行次数，为算法的时间复杂度。 时间复杂度必须结合代码的思想来算，不能只看代码算。

实例1

// 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--) > 0) {
        count++;
    }
    System.out.println(count);
}

答案及解析:上述代码中K执行了2 * N次,M执行了10次.一共执行了2*N+10次，通过大O阶方法(加法常数取1,与最高阶相乘的常数置为1,最后只保留最高阶项其余去除掉)知道，时间复杂度为 O(N).

实例2

// 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++;
    }
    System.out.println(count);
}

答案及解析:代码执行了M+N次，有两个未知数M和N, 注意这是未知数,可能是指数,也可能是常数,所以不能把它当为常数取O(1). 所以时间复杂度为 O(N+M).

实例3

// 计算func4的时间复杂度？
void func4(int N) {
    int count = 0;
    for (int k = 0; k < 100; k++) {
        count++;
    }
    System.out.println(count);
}

答案及解析:代码执行了100次，通过推导大O阶方法，时间复杂度为 O(1)

实例4

// 计算bubbleSort的时间复杂度？(冒泡排序)
void bubbleSort(int[] array) {
    for (int end = array.length; end > 0; end--) {
        boolean sorted = true;
        for (int i = 1; i < end; i++) {
            if (array[i - 1] > array[i]) {
                Swap(array, i - 1, i);
                sorted = false;
            }
        }
        if (sorted == true) {
            break;
        }
    }
}

答案及解析:上面代码外循环for是执行N-1次,内循环是等差数列每次比较次数递减一次.即公式为(N-1)*(1+N-1)/2.整理后(N^2 - N)/2.代码执行最好是N次，最坏执行了(N*(N-1))/2次，通过推导大O阶方法+时间复杂度一般看最坏情况，时间复杂度取 O(N^2)

实例5

// 计算binarySearch的时间复杂度？(二分查找)
int binarySearch(int[] array, int value) {
    int begin = 0;
    int end = array.length - 1;
    while (begin <= end) {
        int mid = begin + ((end-begin) / 2);
        if (array[mid] < value)
            begin = mid + 1;
        else if (array[mid] > value)
            end = mid - 1;
        else
            return mid;
    }
    return -1;
}

答案及解析: 代码操作执行最好1次，最坏次时间复杂度为 O(log2N) 其中log2 N 在算法分析中表示是底数为2，对数为N，有些地方会写成lgN。（通过折纸查找的方式计算出logN）(因为二分查找每次排除掉一半的不适合值,一次二分剩下：n/2两次二分剩下：n/2/2 = n/4)

实例6

// 计算阶乘递归factorial的时间复杂度？
long factorial(int N) {
    return N < 2 ? N : factorial(N-1) * N;
}

答案及解析:递归的时间复杂度=递归的次数*每次递归执行的次数,上面代码发现基本递归的次数N-1次，每次递归执行的次数为 1 次.时间复杂度为O(N)。

实例7

// 计算斐波那契递归fibonacci的时间复杂度？
int fibonacci(int N) {
    return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2);
}

答案及解析:代码递归了2^N次,时间复杂度为0(2^N )。

空间复杂度

空间复杂度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 。空间复杂度不是程序占用了多少bytes的空间，因为这个也没太大意义，所以空间复杂度算的是变量的个数。空间复杂度计算规则基本跟时间复杂度类似，也使用大O渐进表示法。

实例1

// 计算bubbleSort的空间复杂度？
void bubbleSort(int[] array) {
    for (int end = array.length; end > 0; end--) {
        boolean sorted = true;
        for (int i = 1; i < end; i++) {
            if (array[i - 1] > array[i]) {
                Swap(array, i - 1, i);
                sorted = false;
            }
        }
        if (sorted == true) {
            break;
        }
    }
}

答案及解析:代码使用了常数个额外空间，因为代码中只创建了3个额外的变量end, sorted, i.每次循环都是重复使用.所以空间复杂度为 O(1)

实例2

// 计算fibonacci的第N项的空间复杂度？
int[] fibonacci(int n) {
    long[] fibArray = new long[n + 1];
    fibArray[0] = 0;
    fibArray[1] = 1;
    for (int i = 2; i <= n ; i++) {
        fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
    }
    return fibArray;
}

答案及解析: 代码new long[n + 1],第n项开辟了n+1个空间,空间复杂度为 O(N)

实例3

// 计算阶乘递归Factorial的空间复杂度？
long factorial(int N) {
    return N < 2 ? N : factorial(N-1)*N;
}

答案及解析:代码递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间。空间复杂度为O(N)

大小排序:O(1) < O(logN) < O(N) < O(N*logN) < O(N^2) < O(2^N)

练习题1

class Solution {
    public int firstUniqChar(String s) {
        int[] count = new int[256];
        // 统计每个字符出现的次数
        for(int i = 0; i < s.length(); ++i){
            count[s.charAt(i)]++;
        }
        // 找第一个只出现一次的字符
        for(int i = 0; i < s.length(); ++i){
            if(1 == count[s.charAt(i)]){
                return i;
            }
        }
        return -1;
    }
}

答案: 时间复杂度O(N),空间复杂度O(1)

练习题2

public boolean isPalindrome(String s) {
    // 将大小写统一起来
    s = s.toLowerCase();
    int left = 0, right = s.length()-1;
    while(left < right){
        // 1. 从左侧找到一个有效的字符
        while(left < right && !isValidChar(s.charAt(left))){
            left++;
        }
        // 2. 从右侧找一个有效的字符
        while(left < right && !isValidChar(s.charAt(right))){
            right--;
        }
        if(s.charAt(left) != s.charAt(right)){
            return false;
        }else{
            left++;
            right--;
        }
    }
    return true;
}

答案: 时间复杂度O(N),空间复杂度O(1).

注意:开头所说的算时间复杂度必须结合代码的思想来算，不能只看代码算.所以不要被代码里的循环嵌套所迷惑了,本质上还是while(left < right)O(N)个外循环,内循环只是O(1)的常数比较判断.

好了小伙伴们,本篇就结束了.请一键三连,我们一起进步!