时间复杂度与空间复杂度

时间复杂度——算法效率的度量

一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数f(n),算法的时间度量记 T(N)=O(f(n)），它表示问题规模随n的增大，算法执行时间的增长率和f(n)的增长率相同，称做算法的渐近时间复杂度，简称时间复杂度。

时间复杂度的计算方法

• 先找执行次数
• O()
• 加法常数项变为1
• 只保留最高阶项
• 最高阶项系数变为1

例如：

void test0(int n)
{
    int icount = 0;
    for (int idx = 0; idx < 10; ++idx)
    {
        icount++;
}
//总执行次数f(n)=10
//时间复杂度:O(1)

    void test1(int n)
    {
        int count = 0;
        for (int i = 0; i < 10; ++i)
        {
            count++;
        }
        for (int i = 0; i < 2 * n; ++i)
        {
            count++;
        }
    }
    //总执行次数f(n)=2*n+10
   //时间复杂度:O(n)

void test1(int n)
{
    int count = 0;
    for (int idx = 0; idx < 10; ++idx)
    {
        count++;
    }
    for (int idx = 0; idx < 2 * n; ++idx)
    {
        count++;
    }
    for (int i = 0; i < n; ++i)
    {
        for (int j = 0; j <  n; ++j)
        {
            count++;
        }
    }
}
//总执行次数f(n)=n^2+2*n+10
//时间复杂度:O(n^2)

void test1(int n,int m)
{
    int count = 0;
    for (int i = 0; i< m; ++i)
    {
        count++;
    }
    for (int k = 0;k < n; ++k)
    {
        count++;
    }
}
//总执行次数f(n)=m+n
//时间复杂度:O(m+n)

二分查找的时间复杂度——O(log（N/2）)

int bin_search(int arr[],int left,int right,int sz,int key)
{
    int mid = 0;
    int left = 0;
    int right = sz - 1;
    while (left < right)
    {
        mid = left + (right / left) / 2;
        if (arr[mid]>key)
            right = mid - 1;
        else if (arr[mid] < key)
            left = mid + 1;
        else return mid;//找到了返回下标
    }
    return -1;//找不到返回-1
}
//时间复杂度：O(log（N/2）)

图解：

递归算法的时间复杂度

递归算法的时间复杂度：递归总次数*每次递归的次数
例：求n的阶乘

int fac(int n)
{
    if (n <= 1)
        return 1;
    else
    return n*fac(n - 1);
}
//时间复杂度：O(N)

图解：

空间复杂度——算法的存储空间的度量

空间复杂度：函数中创建对象的个数关于问题规模函数表达式，一般情况下用O的渐近表示法表示

例如：

int sum(int N)
{
    int count = 6;
    for (int i = 0; i <= N;++i)
        count += 1;
    return count;
}
//空间复杂度：O(1)

斐波那契的空间复杂度

long long fib(int n)
{
    if (n < 3)
    {
        return 1;
    }
    return fib(n - 1) + fib(n - 2);
}
//空间复杂度：O(N)
//时间复杂度：O(2^N)

空间复杂度图解：

时间复杂度图解：