数据结构(时间复杂度及空间复杂度)
一、时间复杂度和空间复杂度是什么?
要知道,我们在用代码解决一个问题的时候通常可以有很多思路,而我们要从中选择出最优解就要使用到时间复杂度和空间复杂度。
时间复杂度是可以描述一个程序执行所执行操作的次数,空间复杂度可以描述一个程序执行时需要额外的空间,通过比较这两个值的大小便可以找出运行时间最短,所需空间最少的最优解。
时间复杂度和空间复杂度的概念比较抽象,所以对于他们的讲解我会结合代码一起,多看几个例子,自然而然就get了
二、大O渐进表示法
大O渐进表示法适用于描述函数渐进行为的数学符号
推导大O阶的规则:
1.用常数1取代运行时间中的所有加法常数
2.在修改最后运行次数函数中只保留最高阶
3.如果最高阶项存在且不是1,则除去这个项目相乘的常数
4.当有最好情况,最坏情况,平均情况时,取最坏情况
说白了大O就是估算 ,现在看起来很抽象,下面跟着代码来了解吧
三、时间复杂度
时间复杂度用来描述一个程序执行所执行操作的次数,所以计算时间复杂度就是计算基本操作的执行操作。
看下面代码:
例1:
void fun(int N)
{
for (int i = 0; i < N; i++)
{
printf("%d", i);
}
}
因为循环执行了N次,这段代码的时间复杂度为O(N)。
例2:
for循环执行了2N次,while循环执行了10次,结果是2N+10,而由O阶的规则2可知只保留最高阶,所以现在变为2N,又由O阶的规则3可知,前的系数要为1,所以时间复杂度为O(N)。有没有get一点了?
再来几道就会了。
例3:
这段代码执行了100次,可是由O阶的规则1可以知道当只有常数项时,要把常数变为1,所以时间复杂度为O(1)。
例4:
void fun1(int N,int M)
{
for (int i = 0; i < N; i++)
{
printf("%d", i);
}
for (int j = 0; j < M; j++)
{
printf("%d", j);
}
}
因为M和N都是一阶,所以时间复杂度为O(M+N)。
例5:
const char* strchr(const char* str, int character);
不用管这个函数是怎么实现的,因为算时间复杂度知道逻辑就好了,这个函数的作用就是遍历字符串,在其中寻找你想要的字符,这时候就出现问题了,最好的情况下一下就找到了,最坏的情况下你需要把字符串遍历完才能找到就是n次,这时候就要选最坏的情况作为时间复杂度,即O(n)。
就好比你约朋友出去玩,可是你要写作业,你作业最快4点写完,最晚5点写完,你跟朋友事先怎么约?当然约5点。
例6:
void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n;end > 0;--end)
{
int exchange = 0;
for (size_t i = 1;i < end;++i)
{
if (a[i - 1] > a[i])
{
Swap(&a[i - 1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
此函数的时间复杂度为O(n^2)
因为该函数执行次数的结果为一个等差数列:1+2+3+……+(n-1),所以结果为n*(n-1)/2
有上述规则可以知道时间复杂度为O(n^2)。
例6:计算二分查找的时间复杂度
什么是二分查找:就是在一串数字中查找一个目标数字,先在最中间找,如果没找到就看看现在找的数字是否比目标数字大,大的话就在左边一般继续二分查找,小的话就在右边进行二分查找,如此下去,直到找到为止。
最坏的情况是一直二分查找,直到最后一次二分查找才找到(此时只剩一个数据,即目标数据),每一次二分查找所有数据少一半,所以设总共有n个数据,n/2/2/2……/2=1,设进行了x次二分查找,所以这个等式就变成了2^x=n,所以x=log2(n),这里以2为低不好打,所以可以直接写log n,所以时间复杂度为O(log n)。
例7:
long long Fac(size_t N)
{
if (1 == N)
return 1;
return Fac(N - 1) * N;
}
四、空间复杂度
空间复杂度是用来描述程序所需额外的空间的大小,所以就是找程序之中除了固有的比如形参之类的,此外额外开辟的空间,此处注意,函数在执行的时候开辟栈帧也算额外开辟的空间(一会讲递归那个例子就知道怎么回事了),空间复杂度也使用大O渐进表示法
例1:
总共创建了三个额外的变量,根据规则可知空间复杂度为O(1)。
例2:
long long Fac(size_t N)
{
if (1 == N)
return 1;
return Fac(N - 1) * N;
}
例3:
long long* Fibonacci(size_t n)
{
long long* fibArray = (long long*)malloc((n + 1) * sizeof(long long));
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2;i <= n;++i)
{
fibArray[i] = fibArray[i - 1] + fibArray[i - 2];
}
return fibArray;
}
malloc开辟了n+1个空间,创建了一个变量i,所以总共n+2个,所以空间复杂度为O(n)
总结
时间复杂度和空间复杂度其实不难,多看几道例题就可以掌握了,而且重要的一点是,他们都是估算,一定不要去计较三瓜两枣,按照规则估计出大概的数值就好了,希望我的内容对你有所帮助。