初识数据结构：时间和空间复杂度

1.算法效率： 

算法效率分析分为两种：第一种是时间效率，第二种是空间效率。

时间效率被称为时间复杂度，而空间效率被称作 空间复杂度。

时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间。

时间复杂度的概念：    算法中的基本操作的执行次数，被称为算法的时间复杂度。

时间复杂度的计算方法： 大O的渐进表示法

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为1，去掉与其相乘的常数，得到的即为大O阶。

EX1:

O = 2N+10    ------->  N;

EX2:

基本执行次数:O = M+N;

EX3:

O = 100  -----> = 0;

EX4:

冒泡排序的时间复杂度计算：

void bubbleSort(int arr[], int n) {
    for (int i = 0; i < n - 1; i++) { // 外层循环
        for (int j = 0; j < n - i - 1; j++) { // 内层循环
            if (arr[j] > arr[j + 1]) {
                // 交换操作
            }
        }
    }
}

 最好的情况：数组均为顺序，如：int[] num = {1,2,3,4,5}, 遍历一次后即可结束，此时外层循环1次，内层循环n-1次，此时O= N-1+1 = N

最坏的情况：数组均为逆序： 如：int[] num = {5,4,3,2,1},内外层均需循环，外层循环N-1次，

内层循环次数：(N-1)+(N-2)+(N-3)+......+2+1 ,

等差数列求和公式：(1+(N-1))*(N-1)/2 =  ..... = -----> 

根据大o阶方法：

O = N^2 + N-1 ----->N^2 

EX5  二分法的时间复杂度计算：

int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
}
return -1;
}

EX6:

// 计算阶乘递归factorial的时间复杂度？
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}

3.空间复杂度的计算：

空间复杂度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 。空间复杂度不是程序占用了多少 bytes 的空 间，因为这个也没太大意义，所以空间复杂度算的是变量的个数。方法和大O阶方法类似。

EX1:

void bubbleSort(int[] array) {
    for (int end = array.length; end > 0; end--) {
        boolean sorted = true;
        for (int i = 1; i < end; i++) {
            if (array[i - 1] > array[i]) {
                Swap(array, i - 1, i);
                sorted = false;
            }
        }
        if (sorted == true) {
            break;
        }
    }

• 输入数组：array 是输入参数，空间复杂度分析时不包括输入数据的空间。
• 额外变量：end, sorted, 和 i 都是常量级别的变量（常数），其空间消耗是 O(1).
• 所以总空间复杂度为：O = 1

EX2:   

• // 计算fibonacci的空间复杂度？
  int[] fibonacci(int n) {
  long[] fibArray = new long[n + 1];
  fibArray[0] = 0;
  fibArray[1] = 1;
  for (int i = 2; i <= n ; i++) {
  fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
  }
  return fibArray;

  输入参数n不用管，主要看变量个数，由for循环可知，其动态开辟了N个空间,

• 所以O = N.

EX3:

// 计算阶乘递归Factorial的空间复杂度？
long factorial(int N) {
return N < 2 ? N : factorial(N-1)*N

此处递归调用了N次，开辟了N个栈帧，而每个栈帧又开辟常数个空间，所以O = N.

以上就是今天要给大家介绍的内容了，喜欢的来个三联！