数据结构初阶-时间复杂度与空间复杂度

前言

1.什么是数据结构

概念

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。

其实就是在内存当中管理数据

内存中管理数据的本质就是：增、删、查、改

2.什么是算法

概念

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。

简单来说算法对数据进行一些处理，处理之后转化成为一些结果(输入到输出中间这一部分过程)

1.算法效率

如何衡量一个算法的好坏呢？

算法效率就是从时间和空间两个维度出发来描述一个算法的复杂度

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 

复杂度越高，算法效率就越低

所以一个算法的复杂度分为时间复杂度和空间复杂度

时间复杂度主要用来衡量一个算法 运行速度的快慢；

空间复杂度则用来衡量一个算法执行所需要额外开辟所需要的内存空间

评估算法效率时我们希望选择有更低时间复杂度和空间复杂度的算法，以提高程序的执行速度和资源利用率。但是时间复杂度和空间复杂度通常存在着取舍关系，由于现代硬件原因，我们通常会采取空间换时间的方式来优化算法

2.时间复杂度

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函数，它定量描述了该算法的运行时间。

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

注意是基本操作的执行次数而不是具体运行时间(如果计算具体运行时间会受硬件影响)

找到某条基本语句与问题规模N之间的数学表达式(函数表达式)，就是算出了该算法的时间复杂度

比如:

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);
}

基本操作次数：

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

实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要 大概执行次数，所以这里我们使用大O的渐进表示法

其时间复杂度就是O(N)

同理:

如果是嵌套循环，则时间复杂度为O(N^2)

如果是多个循环，那么时间复杂度还是O(N)

long long Fac(size_t N)
{
     if(0 == N)
         return 1;
 
     return Fac(N-1)*N;
}

递归算法的时间复杂度是多次调用累加

注意:

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)

3.空间复杂度

空间复杂度的概念

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 额外 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。

如果一个算法没有额外开辟新空间(创建额外变量)，其空间复杂度就为O(1)

void BubbleSort(int* a, int n)
{
    assert(a);
    for (int end = n; end > 0; --end)
    {
     int exchange = 0;
     for (int i = 1; i < end; ++i)
     {
         if (a[i-1] > a[i])
         {
             Swap(&a[i-1], &a[i]);
             exchange = 1;
         }
     }
     if (exchange == 0)
         break;
     }
}

如果有额外开辟空间

比如

// 计算Fibonacci的空间复杂度？
// 返回斐波那契数列的前n项
long long* Fibonacci(size_t n)
{
     if(n==0)
         return NULL;
 
     long long * fibArray = (long long *)malloc((n+1) * sizeof(long long));
     fibArray[0] = 0;
     fibArray[1] = 1;
     for (int i = 2; i <= n ; ++i)
     {
         fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
     }
     return fibArray;
}

其动态开辟了n个空间，其空间复杂度为O(N)

long long Fac(size_t N)
{
     if(N == 0)
         return 1;
 
     return Fac(N-1)*N;
}

递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间。空间复杂度为O(N)

斐波那契数列(递归)

long long Fib(size_t N)
{
     if(N < 3)
         return 1;
 
     return Fib(N-1) + Fib(N-2);
}

注意：空间和时间不一样，开辟的空间是可以反复被利用的

栈是向下伸展执行完销毁才会执行第二条

内存空间的释放和销毁是把内存的使用权还给操作系统

操作系统还能再给别的使用

其空间复杂度就为O(N)

所以空间复杂度是开辟栈帧的最大层数(额外开辟空间层数)而不是总和

常见复杂度对比