聊聊时间复杂度和Fibonacci数列的优化

时间复杂度概念的核心点：

时间复杂度就是函数走了多少次。

在计算时间复杂度的时候只是考量最坏的情况。

关注式子中增长最快的表达式，忽略其他。

忽略常数。

---

我们需要将时间复杂度的求解放在不同的情况下：

1.简单情况，一些循环啊什么的。

2.二分算法（分治法） 二分查找算法、堆算法 ，完全二叉搜索树和满二叉搜索树。 快速排序、归并排序 log2(N)。

3.递归算法：递归的次数*每次递归里面的时间复杂度。

---

主要讨论一下二分运算的时间复杂度：

以二叉树为例 如下图：

对于完全二叉树或者满二叉树，如果是搜索树，那么搜索的时间复杂度就是树的高度，因为折半查找和满二叉搜索树都是加了条件判断的，每次都将范围缩小一半，使得时间复杂度控制在lgN。

所以在后面的计算中，条件判断是不会算入时间复杂度的。而时间复杂度是在所有的条件都加上了之后最差的走的次数。

---

Fibonacci数列的递归与非递归：

后一个数是前两个数的和。

方案一： 递归

时间复杂度： O（2^N）（這个需要画图，但是不####太清楚，可能面试官会问到怎么算的）

空间复杂度： O（N）（最多递归了N层）

long long Fibonacci2(long long n)
{
    //assert(n);
    if (n == 0)
         return 0;
    if (n == 1)
         return 1;
    return Fibonacci2(n - 1) + Fibonacci2(n - 2);
}

递归存在的问题： 如果输入的数字过大，就可能会带来栈溢出。

方案二： 非递归，使用循环， 时间复杂度： o（N） 空间复杂度o（N）

//使用数组和循环，把数列放进去
//时间复杂度是o（N）   空间复杂度：o（N）  ：开辟的空间大小是N个，所以空间复杂度是o（N）
long long FibonacciR1(long long n)
{
    long long* Fibarr = new long long[n + 1];
    Fibarr[0] = 0;
    Fibarr[1] = 1;
    for (long long i = 2; i <= n; i++)
    {
         Fibarr[i] = Fibarr[i - 1] + Fibarr[i - 2];
    }
    return Fibarr[n];
}

方案三：优化非递归 使用循环，时间复杂度o（N） 空间复杂度为o（1）

long long FibonacciR2(long long n)
{
    long long Fibarr[3] = { 0, 1, n };
    for (long long i = 2; i <= n; i++)
    {
         Fibarr[2] = Fibarr[0] + Fibarr[1];
         Fibarr[0] = Fibarr[1];
         Fibarr[1] = Fibarr[2];
    }
    return Fibarr[2];
}

---

小结：

关于空间复杂度： 实际上空间复杂度就是对象的个数，或者说开辟的空间单元的个数。（按照某一种状态中对象个数出现次数最多的情况算）

对于递归的空间复杂度，就是递归的层数*每次递归中的对象个数。

如果说這个程序里面开辟了N个元素的数组，那么空间复杂度就是N。