数据结构开篇 - 时间复杂度和空间复杂度

最新推荐文章于 2024-05-20 20:08:58 发布

不会敲代码

最新推荐文章于 2024-05-20 20:08:58 发布

阅读量74

点赞数

分类专栏：数据结构文章标签：算法数据结构

本文链接：https://blog.csdn.net/m0_72536301/article/details/129886908

版权

数据结构专栏收录该内容

10 篇文章 0 订阅

订阅专栏

一.如何衡量算法的好坏

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。所以对非常会尽量降低空间复杂度。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

二. 时间复杂度

2.1 时间复杂度的概念

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数学函数，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。

1.我们不能不能把每个程序都放在机器上跑一遍（因为有些程序需要很长时间才可以运行出结果）

2.程序运行的时间和计算机硬件的好坏也有很大关系，不能因为计算机性能影响算法本身的效率

所以给出了以下定义：

一个算法所花费的时间与其中语句的执行次数成正比例，所以算法中的基本操作的执行次数，为算法的时间复杂度

2.2 时间复杂度的表示

1. 大O渐进表示法

计算一下func1都执行了多少次基本操作？

void func1 ( int N ){

int count = 0 ;//此处执行一次赋值操作

for ( int i = 0 ; i < N ; i ++ ) {//执行N次自增操作，一次赋值，N+1次比较

for ( int j = 0 ; j < N ; j ++ ) {//执行N*N次自增操作，N次赋值，N*(N+1)次比较

count ++ ;//执行N*N次自增操作

}

}

可以看到，如果较真地像博主这样计算的话，基本操作的执行次数为3*N²+4*N+1（实际上只需要计算count++的执行次数即可，因为它是最主要的操作）

如果N=1，执行次数就是8；如果N=100，执行次数就是30401；；如果N=1000,10000呢？

很容易发现，对这个表达式的结果影响最大的就是N²

实际上，我们也不会每次都计算出最准确的执行次数，时间复杂度也只是一个对执行次数的估算而已

我们一般 使用大O渐进表示法来表示时间复杂度，其使用规则如下

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

那么func1的时间复杂度用大O渐进表示法法就可以表示为O( N² )

接下来再出一个小练习，使用大O渐进法表示方法的复杂度

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 );

}

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 );

}

void func4 ( int N ) {

int count = 0 ;

for ( int k = 0 ; k < 100 ; k ++ ) {

count ++ ;

}

System . out . println ( count );

}

答案分别是O（N），O（M+N），O(1)

2. 时间复杂度的分类

时间复杂度分为三类：

1. 最坏情况：任意输入规模的最大运行次数(上界)，即在最坏情况下算法执行基本操作的次数

2. 平均情况：任意输入规模的期望运行次数，即算法一般执行基本操作的次数

3. 最好情况：任意输入规模的最小运行次数(下界)，即理想状态下算法执行基本操作的次数

我们以冒泡排序为例：

void BubblesSort(int[] array) {

        boolean flag=true;

        for(int i=0;i<array.length-1;i++) {
            
            for(int j=0;j<array.length-1-i;j++) {
                if(array[j]>array[j+1]) {
                    flag=false;
                    swap(array[j],array[j+1]);
                }
            }

            if(flag==true)
                break;
        }
    }

最坏情况，就是需要排序的数组时逆序，比如下图

（本人不会动图，辛苦各位将就一下）

i=0时，数字8每次都要和后面的数字比较，每次都比后面的数字大，所以要进行交换，总共执行了n-1次，i=1时，数字7走了数字8的老路，交换次数为n-2次...直到进行了i-1次遍历，数字1被顶到了最前面

所以执行次数为(n-1)+(n-2)+...+2+1=n*(n-1)/2,用大O表示为O（n²）

平均时间复杂度的计算，类似于下面这样一个公式：PI表示情况I出现的概率，tI表示情况I下的时间复杂度，将所有情况的PI和TI相乘，然后进行累加就是平均时间复杂度

对于冒泡排序，它可能出现的情况是十分多的，在这里就不进行计算了

下面来说最好情况，那当然是传入的array数组是有序的了！

在这种情况下，只需要遍历一遍数组，得到flag==true，即每个元素都不需要和后面的元素进行交换，然后break就可以了，时间复杂度为O（n）

既然有三种情况，我们究竟选择哪一种作为时间复杂度呢？

孟子曰：生于忧患死于安乐

这句话对后人是非常有警示作用的，所以我们在计算算法的时间复杂度时，通常情况下会选取最坏情况下的时间复杂度（至于和孟子有没有直接因果关系，不要瞎猜，我是杜撰出来的）

3. 常用的时间复杂度

在算法的学习中，时间复杂度不外乎为n,n²...下面列举常用的时间复杂度

可能有同学会有疑问，为什么对数那里有时候会写lgN,有时会写log2N，有时候直接写logN呢，其实对数的底数不管是2或者10，它们都只差一个常数系数，用大O渐进表示法会直接省略这个系数，所以不需要纠结底数是几

三. 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时间复杂度类似，也使用大 O 渐进表示法

我们举例帮助理解，下面是一个冒泡排序

void BubblesSort(int[] array) {

boolean flag=true;//此处创建了一个标志性变量flag

for(int i=0;i<array.length-1;i++) {//创建临时变量i

for(int j=0;j<array.length-1-i;j++) {//创建临时变量j
if(array[j]>array[j+1]) {
flag=false;
swap(array[j],array[j+1]);
}
}

if(flag==true)
break;
}
}