数据结构-空间复杂度

空间复杂度是指算法在执行过程中所需要的额外空间的量度。空间复杂度可以通过以下几个方面来详细解释：

1. 常量空间复杂度：如果算法所需的额外空间是一个常量，与输入规模无关，那么空间复杂度为O(1)。

2. 线性空间复杂度：如果算法所需的额外空间与输入规模成正比，即空间复杂度随着输入规模的增长而线性增长，那么空间复杂度为O(n)。

3. 二维空间复杂度：如果算法所需的额外空间与输入规模的平方成正比，即空间复杂度随着输入规模的增长而平方增长，那么空间复杂度为O(n^2)。

4. 递归空间复杂度：对于递归算法，每次递归调用都会在内存中创建一个栈帧来保存当前函数的局部变量和返回地址，因此递归的空间复杂度取决于递归的深度。如果递归的深度为k，那么空间复杂度为O(k)。

在分析和比较算法时，空间复杂度是一个重要的指标，可以帮助我们评估算法的内存利用情况和效率。

例1.计算斐波那契数列的第n个数字：

int fibonacci(int n) {
    if (n <= 1)
        return n;
  
    int* fib = new int[n+1];
    fib[0] = 0;
    fib[1] = 1;
  
    for (int i = 2; i <= n; i++) {
        fib[i] = fib[i-1] + fib[i-2];
    }
  
    int result = fib[n];
    delete[] fib;
  
    return result;
}

在这个代码中，我们使用动态分配的数组fib来存储斐波那契数列的前n个数字。数组的大小为n+1，因为我们需要存储从0到n共计n+1个数字。

根据以上代码，我们可以得出以下结论：

• 常量空间复杂度：代码中除了数组fib以外，并没有其他需要额外空间的变量。因此，这部分的空间复杂度是常量级别的，记为O(1)。

• 线性空间复杂度：数组fib的大小与输入规模n成正比。随着n的增长，数组所需的空间也会线性增加。因此，这部分的空间复杂度是线性级别的，记为O(n)。

综上所述，该代码的空间复杂度为O(n)。