时间复杂度与空间复杂度

目录

什么是数据结构

什么是算法

算法效率

如何衡量一个算法的好坏

算法的复杂度

时间复杂度

概念

大O的渐进表示法

空间复杂度

概念

---

什么是数据结构

数据结构(Data Structure)是计算机存储、组织数据的方式，指相互之间存在一种或多种特定关系的
数据元素的集合。

什么是算法

算法(Algorithm):就是定义良好的计算过程，他取一个或一组的值为输入，并产生出一个或一组值作为输出。简单来说算法就是一系列的计算步骤，用来将输入数据转化成输出结果。

算法效率

如何衡量一个算法的好坏

衡量一个算法的好坏是一个多方面的过程，需要综合考虑算法的正确性、时间复杂度、空间复杂度、可读性以及稳定性等多方面的指标。

1. 正确性：一个好的算法首要的特征是正确性，也就是说，算法应该能给出正确的结果。在实际应用中，正确性是最基本的要求，因为任何因算法错误而引起的问题都是无法容忍的。

2. 时间复杂度：算法的时间复杂度是衡量算法效率的重要指标，它衡量的是算法在解决问题时所需的时间。算法的时间复杂度越低，则算法执行的速度越快。

3. 空间复杂度：算法的空间复杂度是指算法在完成运算时所需要的内存空间大小。一个优秀的算法应该尽可能减少它所使用的内存空间，以免出现内存溢出等问题。

4. 可读性：算法的可读性是指算法是否易于理解和维护。好的算法应该写得清晰易懂，易于阅读和修改，具有较好的可维护性。

5. 稳定性：算法的稳定性是指对于相同的输入数据，算法是否会产生相同的输出结果。稳定的算法可以消除随机性，因此比不稳定的算法更可靠。

算法的复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。在计机发展的早期，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。

时间复杂度

概念

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。

大O的渐进表示法

大O符号（Big O notation）：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。
使用大O的渐进表示法以后，Func1的时间复杂度为：

O（N^2）
N = 10 F(N) = 100
N = 100 F(N) = 10000
N = 1000 F(N) = 1000000
通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项，简洁明了的表示出了执行次数。
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)

空间复杂度

概念

空间复杂度也是一个数学表达式，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。
注意：函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了，因此空间复杂度主要通过函数在运行时候显式申请的额外空间来确定。

最后，祝各位道友早日突破/进阶