算法的时间复杂度和空间复杂度

目录

时间复杂度

大O渐进表示法

空间复杂度

---

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 。因此衡量一个算法的好坏，一般是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

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。

而一个算法的运行时间跟硬件配置有关系，所以同样一个算法是没办法算出准确时间的，为此引入大O渐进表示法。

大O渐进表示法

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。

举个例子，如下面的一个函数Func1：

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;
}

如果要精确的计算Func1中++count语句总共执行了多少次，我们可以得到一个总的时间复杂度函数式：F(N)=N*N + 2*N +10

如果利用大O渐进表示法，Func1函数的时间复杂度就是O(N^2)。因为随着N越来越大，后两项对结果的影响几乎可以忽略不计，通俗的说，时间复杂度就是算它是属于哪个量级。

空间复杂度

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（额外）临时占用存储空间大小的量度。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。

举个例子，计算下列冒泡排序的空间复杂度：

void Bubble(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;
	}
}

空间复杂度看的是额外开辟的空间，冒泡排序中已知的数组不算，而新定义的变量end,exchange, i 三个才是 (细算的话swap里面的tmp也算)，根据大o渐进表示法，冒泡排序的空间复杂度是O(1)。