01/20 数据结构之复杂度

一. 算法效率

01.含义

二. 时间复杂度

01.时间复杂度的概念

02.大O的渐进表示法

1).案例一（引入）

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);
}

2).案例二（冒泡排序）

准确的时间复杂度函数是多少呢？不难看出，F（N）=1 +2+…+n-1的等差数列计算。
时间复杂度为O（N^2）。最好情况是O（N）。

3).案例三（二分查找）

时间复杂度O（以2为底N的对数）。最好情况O（1）。

4).递归（斐波那契）

递归算法如何计算？递归次数 * 每次递归函数的次数，这里用斐波那契数列来分析：

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

糟糕的算法，集齐耗费程序运行时间，以下是一种方法可以用空间换取时间。主函数部分省略，实现复杂度达到O（N）：

#include <stdio.h>
#include <malloc.h>
long long Fibnacci_r(size_t N)
{
	return N < 2 ? N : Fibnacci_r(N - 1) + Fibnacci_r(N - 2);
}

long long* Fibonacci(size_t N)
{
	long long* fibArray = malloc(sizeof(long long) * (N + 1));
	//这里多给一个内存空间
	fibArray[0] = 0;
	if (N == 0)
	{
		return fibArray;
	}
	fibArray[1] = 1;
	//以空间换时间
	for (int i = 2; i <= N; ++i)
	{
		fibArray[i] = fibArray[i - 1] + fibArray[i - 2];
	}
	return fibArray;
}

三.空间复杂度

01.含义

1.空间复杂度是对算法运行过程中临时占用空间大小的度量，算的是变量的个数而不是bytes的空间，计算规则基本与时间复杂度相似，也使用大O渐进法表示。
2.时间复杂度不直接计算时间，计算大概运行的次数。
空间复杂度不计算空间，计算大概定义的变量的个数。

02.两个案例

因为变量为常数，所以空间复杂度为O（1）。

显而易见啦，空间复杂度O（N）。

四.力扣习题

习题1

int missingNumber(int* nums, int numsSize){
    // 用异或运算找出缺失的整数
    // 异或运算满足交换律和结合律，且任何数与自身异或为0，与0异或为自身
    // 所以如果将数组中的所有数与0到n的所有数异或，最后的结果就是缺失的整数
    int res = 0;
    // 先将res与0到n的所有数异或，异或完res包含0-n的数的信息
    for (int i = 0; i <= numsSize; i++) {
        res ^= i;
    }
    // 再将res与数组中的所有数异或，异或完的数就是缺失的数字
    for (int i = 0; i < numsSize; i++) {
        res ^= nums[i];
    }
    // 返回最终结果
    return res;
}

习题2（经典）

int* singleNumbers(int* nums, int numsSize, int* returnSize){
    // 初始化返回值
    int* res = (int*)malloc(sizeof(int) * 2); // 分配两个整型的空间给res指针
    *returnSize = 2; // 把2赋值给returnSize指向的变量，表示返回的数组有两个元素
    // 异或所有数字得到结果
    int xor = 0; // 定义一个变量xor，用来存储异或结果
    for (int i = 0; i < numsSize; i++) { // 遍历原数组
        xor ^= nums[i]; // 对每个数字进行异或运算，相同的数字异或为0，不同的数字异或为1
    }
    // 找到结果中任意一个为1的位
    int mask = 1; // 定义一个掩码mask，初始为1，表示最低位
    while ((xor & mask) == 0) { // 循环判断xor和mask的按位与是否为0，如果为0，说明这一位是0，不是我们要找的
        mask <<= 1; // 把mask左移一位，表示下一位
    }
    // 划分数组并异或每一组
    res[0] = 0; // 初始化第一个只出现一次的数字为0
    res[1] = 0; // 初始化第二个只出现一次的数字为0
    for (int i = 0; i < numsSize; i++) { // 再次遍历原数组
        if (nums[i] & mask) { // 如果当前数字和mask的按位与不为0，说明这一位是1，属于第一组
            res[0] ^= nums[i]; // 对第一组的数字进行异或运算，得到第一个只出现一次的数字
        } else { // 否则，说明这一位是0，属于第二组
            res[1] ^= nums[i]; // 对第二组的数字进行异或运算，得到第二个只出现一次的数字
        }
    }
    return res; // 返回结果数组
}