C语言数据结构时间复杂度

时间复杂度作用 

算法效率的目的是看算法实际是否可行，当同一问题存在多种算法时，可进行时间复杂度和空间性能的比较，以便从中挑选出较优算法。

时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。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。

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。 即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。

影响算法的时间代价最主要因素是问题规模，问题规模是算法求解问题输入量的多少，是问题大小的本质表示，一般用整数n表示，n越大算法的执行时间越长。

Func1 执行的基本操作次数 ：F(N)=N^2+2*N+10

                     N = 10 F(N) = 130 N = 100 F(N) = 10210 N = 1000 F(N) = 1002010  

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。

推导大O阶方法：

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。得到的结果就是大O阶

使用大O的渐进表示法以后，Func1的时间复杂度为：O(N^2)

通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项，简洁明了的表示出了执行次数。 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) 例如：在一个长度为N数组中搜索一个数据x 最好情况：1次找到 最坏情况：N次找到

平均情况：N/2次找到

在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N) 

常见时间复杂度计算举例

// 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--)
 {
 ++count;
 }
 
 printf("%d\n", count);
}

基本操作执行了2N+10次，通过推导大O阶方法知道，时间复杂度为 O(N)

void Func4(int N)
{
 int count = 0;
 for (int k = 0; k < 100; ++ k)
 {
 ++count;
 }
 printf("%d\n", count);
}

基本操作执行了M+N次，有两个未知数M和N，时间复杂度为 O(N+M)

int BinarySearch(int* a, int n, int x)
{
 assert(a);
 
 int begin = 0;
 int end = n-1;
 // [begin, end]：begin和end是左闭右闭区间，因此有=号
 while (begin <= end)
 {
 int mid = begin + ((end-begin)>>1);
 if (a[mid] < x)
 begin = mid+1;
 else if (a[mid] > x)
 end = mid-1;
 else
 return mid;
 }
 
 return -1;
}

二分查找算法的步骤如下：

1. 确定查找范围：开始时查找范围是整个数组。

2. 计算中间位置：计算查找范围内中间位置的元素索引。

3. 比较中间元素：将中间元素与目标值进行比较。

4. 调整查找范围：

   • 如果中间元素正好是目标值，则查找成功。
   • 如果目标值小于中间元素，则在数组的左半部分（中间元素之前的部分）继续查找。
   • 如果目标值大于中间元素，则在数组的右半部分（中间元素之后的部分）继续查找。

5. 重复步骤2到4：在新范围内重复这过程，直到找到目标值或范围为空。

6. 结束查找：当查找范围为空时，表示整个数组已经搜索完毕，目标值不存在于数组中。

 时间复杂度一般都是最坏情况，二分查找法最坏的情况是数组中只剩下一个元素或者找不到元素，在这之前，二分查找法会不断缩小查找范围，即查找范围不断变为原来的1/2。

查找区间不断变化，N/2/2/2〰〰,查找了多少次就是除以几个2，假设循环走了x次，就是x个2相乘，即2^x=N,循环次数x=logN。所以二分查找法的时间复杂度为O(logN)。

// 计算阶乘递归Fac的时间复杂度？
long long Fac(size_t N)
{
 if(0 == N)
 return 1;
 
 return Fac(N-1)*N;
}

在递归中，从N到（N-1)最后到0次一共调用了N+1次，由于时间复杂度省略常数，所以递归的时间复杂度为O(N)。总的来说递归时间复杂度就是所有的递归调用次数累加。

long long Fib(size_t N)
{
 if(N < 3)
 return 1;
 
 return Fib(N-1) + Fib(N-2);
}

斐波那契数列的时间复杂度fib(N)到fib(N-1)和fib(N-2),一个变两个，两个变四个，直到出现fib1和fib2,第一层一个有2^0,第二层有2^1个，第三层有2^2个，最后一层有2^n-2个，累计调用次数为2^0+2^1+……+2^(N-2),为等比数列，总和为2^(N-1)-1次，省略常数，斐波那契数列的时间复杂度为O(2^N)。注意：O(2^N)只有理论意义，实践中太慢了。