时间复杂度，空间复杂度

目录：1.算法效率    2.时间复杂度    3.空间复杂度

---

1.算法效率

分为两种：时间效率和空间效率。时间效率被称为时间复杂度，时间复杂度主要衡量算法的运行速度，而空间复杂度主要衡量算法所需的额外空间。

---

2.时间复杂度：

（1）时间复杂度定义：算法的时间复杂度为一个函数，定量描述该算法的运行时间。

算法中的基本操作的执行次数，为算法的时间复杂度。

（2）大O的渐进表示法

//请计算一个Func1基本操作执行了多少次？
void Func1(int N)
{
    int count=0;
    for(int i=0;i<N;++i)
    {
        for(int j=0;j<N;++j)
        {
            ++count;
        }
    }
    for(int k=0;k<2*N;++k)
    {
        ++count;
    }
    int M=10;
    while(M--)
    {
        ++count;
    }
    printf("%d\n",count);
}

 Func1执行的基本操作次数：

F(N)=N^2+2*N+10;

实际中，计算时间复杂度时，并不一定要计算精确的执行次数，只需大概执行次数，此时使用大O的渐进表示法。

大O符号：用于描述函数渐进行为的数学符号。

【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为1，则去除与这个项目相乘的常数，得到的结果即为大O阶。】

使用此方法，可以去除那些对结果影响不大的项。

因此，使用大O的渐进表示法后，Func1的时间复杂度为O(N^2)

此外，有些算法的时间复杂度存在最好、平均和最坏情况：

最好情况：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）

【在实际中一般情况关注算法的最坏运行结构】

例子：在一个长度为N的数组中搜索一个数据x

最好情况：1次找到

平均情况：N/2次

最坏情况：N次

实例：计算二分查找的时间复杂度

int BinarySearch(int* a,int n,int x)
{
    assert(a);
    int begin=0;
    int end=n;
    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;
}

答案：N=2^x  (x为查找次数）

 

 实例：计算阶乘递归Factorial的时间复杂度

long long Factorial(size_t N)
{
    return N<2?N:Factorial(N-1)*N;
}

答案：0（N)

递归算法如何计算：递归次数*每次递归函数的次数

---

3.空间复杂度

空间复杂度是一个算法在运行过程中临时存储空间大小的量度。空间复杂度算的是变量的个数。也用大O渐进表示法。

递归算法的空间复杂度：递归的栈帧深度，因为递归函数要建立栈帧，递归要消耗空间

---

总结：

时间复杂度计算大概的运行次数

空间的复杂度计算大概定义的变量个数