数据结构之时空间复杂度详解

目录

1. 算法效率

2. 时间复杂度

2. 1 大O的渐近表示法

 2.2 时间复杂度举例

代码一：二分查找

代码二：递归 

3. 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，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

 

2. 时间复杂度

时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。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。

2. 1 大O的渐近表示法

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，那么这里我们使用大O的渐进表示法。

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。

比如：F(N) = 2*N^2  +  2*N + 10，使用大O表示法之后，时间复杂度为O(N^2)

另外有些算法的时间复杂度存在最好、平均和最坏情况：

• 最坏情况：任意输入规模的最大运行次数(上界)
• 平均情况：任意输入规模的期望运行次数
• 最好情况：任意输入规模的最小运行次数(下界)

例如：在一个长度为N数组中搜索一个数据x

最好情况：1次找到 ；最坏情况：N次找到 ；平均情况：N/2次找到

在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)

 2.2 时间复杂度举例

代码一：二分查找

int BinarySearch(int* a, int n, int x) 
{
    assert(a);
    int begin = 0;
    int end = n - 1;
    while (begin < end) 
    {
        int mid = begin + ((end - begin) >> 1);
        if (a[mid] < x)
            begin = mid + 1;
        else if (a[mid] > x)
            end = mid;
        else
            return mid;
    }
    return -1;
}

二分查找是在一个有序数组中查找某一个元素时的比较高效的方法，在进行二分查找时，每次都取数组的中间值，然后再根据中间值与查找值的大小来确定我们要查找的元素在那一半，然后在对找到的哪一半数组进行重复的操作，直到找到我们需要的元素，使用二分查找时，最坏的情况是把数组除的只剩最后一个元素。
这时表达式为 N÷2÷2÷2÷2…÷2÷2=1
也即 N=1×2×2×2…×2×2
每相乘一次，就进行了一次基本操作，一共进行了log₂N次，所以时间复杂度为O(log₂N)。
 

代码二：递归 

long long Fibonacci(size_t N) 
{
    return N < 2 ? N : Fibonacci(N-1)+Fibonacci(N-2);
}

上述是使用递归来计算斐波那契数列的函数，递归的方法来计算斐波那契数列是非常低效的，最好还是使用循环的方法，但是递归的时间复杂度是多少呢？
每一次调用这个函数时，时间复杂度是一个常数，那么递归的时间复杂度就是一共调用了多少次函数，下面分析一下调用了多少次函数：
其调用结构如图所示

当输入N时，函数会进行两调用，然后不断地调用，其调用的结果如图所示，调用的总次数为F(N)=2⁰+2¹+2²+…+2^(N-1)=2^N，所以该算法的时间按复杂度为O(2^N)
用递归来算斐波那契数的算法的时间复杂度太高了，也说明了这个算法的低效。
 

3. 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。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。

 

同样地， 所有常数个都用1来替代，多数情况下空间复杂度都是O(1)
比如：循环，变量个数不会增加（时间会累积，空间不会累积）。

malloc(n); // 开辟了n个元素的数组，这时空间复杂度为O(n)