一、复杂度(complexity)
当年在学校学习的时候,老师说;“复杂度就是衡量算法好坏的,复杂度分为时间复杂度(time complexity),空间复杂度(space complexity)“。说的没错。但是时间复杂度(time complexity),空间复杂度(space complexity)是个啥我还是似懂非懂,以至于计算也是靠着感觉和for循环次数猜个大概,幸亏是简单,每次八九不离十都能解决。
最近在重新看数据结构和算法时候,突然对算法的时间复杂度(time complexity),空间复杂度(space complexity)有了新的了解,如有错误欢迎斧正。
百度解释:算法复杂度是指算法在编写成可执行程序后,运行时所需要的资源,资源包括时间资源和内存资源。应用于数学和计算机导论。链接
我的理解: 一个算法有输入和输出,那复杂度是什么? 下面开始划重点!!!
就是当改变输入输出时候,随着我的输入改变也改变的量,就是复杂度。
如果以上话无法理解,请花10min认真读一下下面的两个例子分析,这样你将不会觉得复杂度很难分析理解了。
例子1:时间复杂度为O(N),空间复杂度为O(N)
long long* Fibonacci(long long num)
{
assert(num >= 0);
//非递归
long long* array = new long long[num+1];
array[0] = 0;
array[1] = 1;
for (int i=2; i<=num; i++)
{
array[i] = array[i-1] + array[i-2];
}
return array;
}
由以上代码可知:
① num变为n时,new long long[num+1] 时候所占用字节为long字节*n而,其他变量int i ,无论输入num怎么变化所占用空间均为一个int字节,故:空间复杂度(space complexity)为O(n)与代码输入有关 。所以为O(n)。
② 当num由1次变为n次时,假设1次for循环时间为t,那么n次就为n*t。故时间复杂度(time complexity)与代码输入有关。所以为O(n)。
例子2: 时间复杂度为O(N),空间复杂度为O(1)
long long Fibonacci(long long num)
{
assert(num >= 0);
long long first = 0;
long long second = 1;
long long third = 0;
for(int i=2; i<=num; i++)
{
third = first + second;
first = second;
second = third;
}
return third;
}
由以上代码可知:
① 当num变为n时,long long first,second,third占用内存大小同样为3个longlong字节。int i占用内存大小也同样为int字节。故空间复杂度(space complexity)与代码输入无关。所以为O(1)。
② 当num由1次变为n次时,假设一1次for循环时间为t,那么n次就为n*t。故时间复杂度(time complexity)与代码输入有关。所以为O(n)。