目录
1.什么是时间复杂度和空间复杂度
在说这两个复杂度之前我们先要明白什么叫算法的效率
算法效率分为两种:时间效率 和 空间效率
1)时间效率被称为时间复杂度,它主要是衡量一个算法的运行速度
2)空间效率被称为空间复杂度,它主要是衡量一个算法所需要的额外空间
1.1 时间复杂度
一个算法所花费的时间与其中语句的执行次数成正比例, 算法中的基本操作的执行次数,为算法的时间复杂度。
1.2 空间复杂度
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。
2. 如何计算时间复杂度和空间复杂度
2.1 使用大O阶方法
大O符号:是用于描述函数渐进行为的数学符号。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。
2.2 计算一些常用算法的时间复杂度
根据上面的大O阶方法,计算一下Func1基本操作执行了多少次
下面可以看下这些练习题,分析练习使用大O的渐进表示法
练习1,计算Func2的时间复杂度
练习2,计算Func3的时间复杂度
练习3,计算Func4的时间复杂度
练习4,计算strchar的时间复杂度
练习5,计算Bubblesort的时间复杂度
练习6,计算Binarysearch的时间复杂度
练习7,计算Factorial的时间复杂度
练习8,计算斐波那契递归fibonacci的时间复杂度
所以递归的时间复杂度 = 递归的次数 * 每次递归执行的次数
常见的时间复杂度
O(N) O(N^2) O(logN) O(1)
2.3 计算一些常用算法的空间复杂度
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,计算的是变量个数时间是累计的,空间是不累计的循环走了几次,重复利用的是一个空间
下面看几个例题
练习1,计算Bubblesort的空间复杂度
练习2,计算Fibonacci的空间复杂度
练习3,计算Factorial的空间复杂度
3.对复杂度有要求的算法练习题
在有些算法练习题中,会对复杂度有一些要求,所以在我们做题时就要,注意算法的设计
下面看一下力扣中的两个题
1.链接 面试题 17.04. 消失的数字 - 力扣(LeetCode) (leetcode-cn.com)
int missingNumber(int* nums, int numsSize){
int x=0;
//跟数组中的值异或
for(int i=0;i<numsSize;++i)
{
x^=nums[i];
}
//再跟[0,N]之间数字异或
for(int j=0;j<numsSize+1;++j)
{
x^=j;
}
return x;
}
2.链接 189. 轮转数组 - 力扣(LeetCode) (leetcode-cn.com)
void Reverse(int* nums, int left, int right){
while(left<right)
{
int tmp=nums[left];
nums[left]=nums[right];
nums[right]=tmp;
++left;
--right;
}
}
void rotate(int* nums, int numsSize, int k){
if(k>=numsSize)
{
k%=numsSize;
}
Reverse(nums, numsSize-k, numsSize-1);
Reverse(nums, 0, numsSize-k-1);
Reverse(nums, 0, numsSize-1);
}