关于算法的时间复杂度和空间复杂度

0.概述      

       算法是程序世界的灵魂。对于同一个问题，使用不同的算法，也许最终得到的结果是一样的，但在过程中消耗的资源和时间却会有很大的区别；那么如何衡量不同算法之间的“优劣”或者性能了？一般来说从算法执行所消耗的「时间」和「空间」两个维度去考量：

• 时间维度：是指执行当前算法所消耗的时间，我们通常用「时间复杂度」来描述。
• 空间维度：是指执行当前算法需要占用多少内存空间，我们通常用「空间复杂度」来描述。

1.时间复杂度

       一般情况下，使用符号O表示时间复杂度，即：T(n) = O(f(n))；其中f(n) 表示每行代码执行次数之和，而 O 表示正比例关系，这个公式的全称是：算法的渐进时间复杂度。

        常见的时间复杂度量级有如下，时间复杂度从上到下越来越大，执行的时间也越来越长。

1.1 O(1)

        常数阶复杂度，代码执行时间是一个固定常数值，执行时间并不随着某个变量的增长而增长，那么无论这类代码有多长，即使有几万几十万行，都可以用O(1)来表示它的时间复杂度。

int i=1;
int b=1;

1.2 O(n)

        线性阶复杂度，代码执行时间是根据入参线性增长的；

int sum=0;
for(int i=0;i<n;i++){
   sum=sum+i;
}

1.3 O(logN)

        对数阶复杂度，先观察如下代码：

public static int biSearch(int []array,int a){
        int lo = 0;
        int hi = array.length-1;
        int mid;
        while(lo <= hi) {
            mid = lo + (hi - lo) / 2;
            if(array[mid] == a) {
                return mid;
            }else if(array[mid] < a) {
                lo = mid + 1;
            }else{
                hi = mid - 1;
            }
        }
        return -1;
    }

上面代码的执行时间差不多是这样的：

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)

        在最坏情况下排除到只剩下最后一个值之后得到结果，即n/(2^m)=1，换算一下即：2^m=n，意即log2(n)。

1.4 O(nlogN)

       线性对数阶，意即将时间复杂度为O(logn)的代码循环N遍的话，那么它的时间复杂度就是 n * O(logN)，也就是了O(nlogN)。

for(m=1; m<n; m++)
{
    i = 1;
    while(i<n)
    {
        i = i * 2;
    }
}

1.5 O(n²)

       平方阶，相当于O(n) * O(n)=O(n²)，线性阶在嵌套一个线性阶的循环。

for(x=1; i<=n; x++)
{
   for(i=1; i<=n; i++)
    {
       j = i;
       j++;
    }
}

1.6 O(n³)/O(n^k)

       立方阶或者K次方阶，类比平方阶，K次方阶即相当于嵌套循环了k次。

public int calcualte(int n,int k){
    if(k<=0){
      return n;
    }
    int m=0;
    for(int i=0;i<n;i++){
       m=m+i;
    }
    k--;
    calcualte(m,k); 
}

 2. 空间复杂度

       空间复杂度(Space Complexity)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。

2.1 O(1)

       常量空间复杂度的算法，所使用的的空间不随被处理数据量n的大小而改变时。

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

2.2 O(n)

       此算法的空间复杂度与n成线性比例关系，如下图所示，执行此算法所使用的的空间在第一行已经确认了，后续的计算都不会扩展空间。

int[] m = new int[n]
for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

还有其他复杂度的，欢迎大家来补充。

常用算法的时间和空间复杂度：