时间复杂度与空间复杂度

一串代码的效率很重要，衡量一串代码的效率可以分为两个标准：

时间复杂度、空间复杂度

目录

✍一、时间复杂度

📕二、计算时间复杂度练习

🚚三、空间复杂度

🐖四、计算时间复杂度练习

---

一、时间复杂度

因为每个机器配置不同，不可能去测试代码执行时间。

所以我们用算法中的基本操作的执行次数，为算法的时间复杂度。

让我们来看一串代码：

// 请计算一下func1基本操作执行了多少次？
void func1(int N){
   //1.
   int count = 0;
   for (int i = 0; i < N ; i++) {
       for (int j = 0; j < N ; j++) {
           count++;
       }
   }

   //2.
   for (int k = 0; k < 2 * N ; k++) {
       count++;
   }
   
   //3.
   int M = 10;
   while ((M--) > 0) {
       count++;
   }

   System.out.println(count);
}

第一处有两层for循环，那么执行次数就是n^2

第二处有一次for循环，执行次数为2*n

第三次循环了10次，执行次数为10

那么总的执行次数就是n^2 + 2*n + 10

但是，实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要大概

执行次数，所以那么这里我们使用大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、在修改后的运行次数函数中，只保留最高阶项。

3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶。

使用大O的渐进表示法以后，Func1的时间复杂度为：O（n^2） 

还有一点，我们在计算时间复杂度时，总是以最坏的情况来计算

  

二、计算时间复杂度练习

计算时间复杂度要结合思想，不能只看代码。

1. -----------------------------------------------------------------------------------------------------------------------------

// 计算func2的时间复杂度？
void func2(int N) {
    int count = 0;
    for (int k = 0; k < 2 * N ; k++) {
       count++;
    }
    int M = 10;
    while ((M--) > 0) {
       count++;
    }
    System.out.println(count);
}

次数 2*n + 10，所以为O(n)

2. -----------------------------------------------------------------------------------------------------------------------------

void func3(int N, int M) {
    int count = 0;
    for (int k = 0; k < M; k++) {
        count++;
    }
    for (int k = 0; k < N ; k++) {
        count++;
    }
    System.out.println(count);
}

次数为M + N，因为不知道M、N的联系与具体值，所以为O(M+N)

3. -----------------------------------------------------------------------------------------------------------------------------

// 计算func4的时间复杂度？
void func4(int N) {
    int count = 0;
    for (int k = 0; k < 100; k++) {
       count++;
    }
    System.out.println(count);
}

执行了100次，所有常数变为1，所以时间复杂度为O(1)

4. -----------------------------------------------------------------------------------------------------------------------------

// 计算bubbleSort的时间复杂度？
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;
       }
   }
}

第一层循环执行了n次，第二层循环执行了n-1次

所以总次数为n*(n - 1)次，只保留最高阶，所以为O(n^2)

 5.-----------------------------------------------------------------------------------------------------------------------------

// 计算binarySearch的时间复杂度？
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;
}

这题我们先找到规律：

 由此我们看出规律：2^(a - 1) = n

所以n  = logN + 1,时间复杂度为O(logN)

6. -----------------------------------------------------------------------------------------------------------------------------

// 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;
}

这里涉及到递归，先讲规则：

递归的时间复杂度 = 递归的次数 * 每次递归执行的次数

比如这题，递归了n次，每次执行1次乘法,所以时间复杂度为O(N) 

7. -----------------------------------------------------------------------------------------------------------------------------

// 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;
}

如图可以看出，我们需要计算2^n这个等比数列的前n项和,即2^n - 1

所以时间复杂度为O(2 ^ n)

这是指数倍增长，非常大，所以递归写斐波那契数列效率很低。

  

三、空间复杂度

空间复杂度算的是变量的个数。

空间复杂度计算规则基本跟实践复杂度类似，也使用大O渐进表示法。

  

四、计算时间复杂度练习

1.-----------------------------------------------------------------------------------------------------------------------------

// 计算bubbleSort的空间复杂度？
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;
        }
    }
}

只定义了一个变量sorted，所以空间复杂度为O(1)

2.-----------------------------------------------------------------------------------------------------------------------------

// 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;
    }

用for循环动态开辟了n个空间，所以空间复杂度为O(N)

3.-----------------------------------------------------------------------------------------------------------------------------

// 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;
}

递归了n次，每次调用一次函数，创建一次变量，所以空间复杂度为O(N).

  

🦀🦀👍