时间复杂度及空间复杂度（数据结构）

一、数据结构

1.1 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。

1.2 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。

二、时间复杂度

2.1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。

2.2常量阶示例

for(i=0;i<n;i++)

{

x++;

s=0;

}

循环体内两条基本语句的频度为F(x)=n。

用常数 1取代运行时间中的所有加法常数

2.3平方阶示例：

x=0,y=0;

for(k=1;k<=n;k++)

       x++;

  for(i=1;i<=n;i++)

  for(j=1;j<=n;j++)

    y++;

假设该算法结束，则：

F(x)=n+nn;

用**F(x)=nn**代表类似的算法。

2.4立方阶示例

x=1;

for(i=1;i<=n;i++)

    for(j=1;j<=i;j++)

         for(k=1;k<=j;k++)

               x++;

假设该算法结束，则：

F(x)=n* n * n;

用F(x)=n* n* n代表类似的算法。

---

时间复杂度大小排序：

  O(1)<O(log2n)<O(n)<O(nlog2n)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)

 

三、空间复杂度

3.1概念

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。

3.2

一般情况下，一个程序在机器执行时，除了需要寄存本身所用的指令、常数、变量和输入数据外，还需要一些对数据进行操作的辅助存储空间。