1、数据结构 算法分析

算法分析很简单，就是时间复杂度和空间复杂度

首先需要说明的是：

需要计算的时间和空间都是额外的的时间和空间！！！

也就是说必要的时间和空间是不需要计算的！

必要的输入时间和空间是不用计算的，输入N个数据不可能比O(N)小，需要计算的是算法的时间

1、空间复杂度

常见的空间复杂度是O(1)和O(N)，我也分析出来过其他的，结果很自然地就错了，所以先暂时认为空间复杂度只有这两种吧（请初学者不要这么想，别让我误人子弟，水平不足请见谅）

基本上使用了数组或是递归的就是O(N)了

2、时间复杂度

这里需要提一句的就是：

如果算法用常数时间将问题的大小削减为其一部分（常为1/2），那么算法是O(logN)的

如果算法用常数时间把问题削减了一个常数，那么算法是O(N)的

这里总结两种常见的递归分析方法

首先递归一定要写出来递归式，这是分析的基础

1、T(N) = 2T(N/2)+1型

不断地展开T(N)，可以得到

T(N)=2T(N/2)+1 = 2( 2T(N/4)+1 )+1=……

然后这样不断地展开，假设进行了k次，最终得到的是T(N / 2^k)，然后假设此时得到了T(1)，也就是base case，那也就是说N = 2^k

T(N) = 2^k T(1) + 2^(k-1) +2^(k-2) +……+ 1

那么T(1)=1，可以得到T(N) = N*T(1) + 2^k -1 = N +N -1，所以T(N)的时间复杂度是O(N)

2、T(N) = 2T(N/2)+N型

整体除以N，可以得到

T(N)/N = T(N/2) / (N/2) +1

然后就是高中常用的累加法，累加得到结果

T(N)/N = logN

所以T(N)的时间复杂度是O(NlogN)

最后说一个常考的斐波那契

T(N) = T(N-1) + T(N-2) + 1

时间复杂度介于 (3/2)^N 和 (5/3)^N之间

空间复杂度是O(N) (因为同时存放了N个值，注意递归是先递归了T(N-1)之后再去递归的T(N-2))