时间复杂度和空间复杂度


一、时间复杂度

一个算法程序在不同机器上跑的时间都是不同的,它取决于很多因素,比如cpu运行速率。于是有了时间复杂度,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。时间复杂度是一个函数同时时间可累加的。

常见的时间复杂度的计算

1.循环

void Func1(int N)
{
int count = 0;
for (int i = 0; i < N ; ++ i)    //两个循环的时间复杂度为=N^2
{
 for (int j = 0; j < N ; ++ j)
 {
 ++count;
 }
}

for (int k = 0; k < 2 * N ; ++ k)//时间复杂度=2*N
{
 ++count;
}
int M = 10;
while (M--)     // 时间复杂度=10
{
 ++count;
}
printf("%d\n", count);
}
//相加F(n)=N^2+2*N+10------>根据大O的渐进表示法我们只取函数中影响最大的那一个就是N^2
可以理解为当N足够大的时候,N^2处于主导地位
所以Func1的时间复杂度为N^2
并不一定要计算精确的执行次数,而只需要大概执行次数,那么这 里我们使用大O的渐进表示法
// 计算Func3的时间复杂度?
void Func3(int N, int M)
{
 int count = 0;
 for (int k = 0; k < M; ++ k)//     M
 {
 ++count;
 }
 for (int k = 0; k < N ; ++ k)//     k
 {
 ++count;
 }

时间复杂度为F(n)=O(M+K),由于M和K我们不知道它们哪个影响比较大,所有时间复杂度为M+K

// 计算Func4的时间复杂度?
void Func4(int N)
{
 int count = 0;
 for (int k = 0; k < 100; ++ k)  //100
 {
 ++count;
 }
 printf("%d\n", count);
}
//时间复杂度为O(1),这里的是常数100,对于常数我们用1表示,代表执行次数为常数次
// 计算BubbleSort的时间复杂度?
void BubbleSort(int* a, int n)
{
 assert(a);
 for (size_t end = n; end > 0; --end)
 {
 int exchange = 0;
 for (size_t i = 1; i < end; ++i)
 {
 if (a[i-1] > a[i])
 {
 Swap(&a[i-1], &a[i]);
 exchange = 1;
 }
 }
 if (exchange == 0)
 break;
 }
}
//时间复杂度为O(N^2),冒泡的排序,我们要排N-1次,按照最坏的情况每次都要交换
所以时间复杂度为N-1+N-2+......+1,等差数列,F(n)=N*(N-1)/2,根据渐进表示法
复杂度就是N^2
// 计算BinarySearch的时间复杂度?
int BinarySearch(int* a, int n, int x)
{
 assert(a);
 int begin = 0;
 int end = n-1;
 // [begin, end]:begin和end是左闭右闭区间,因此有=号
 while (begin <= end)
 {
 int mid = begin + ((end-begin)>>1);
 if (a[mid] < x)
 begin = mid+1;
 else if (a[mid] > x)
 end = mid-1;
 else
 return mid;
 }
 return -1;
}
//按照最坏的情况,最后只剩一个的时候。N/2/2......=1 。2^x=N

2.递归

// 计算阶乘递归Fac的时间复杂度?
long long Fac(size_t N)
{
 if(0 == N)
 return 1;

 return Fac(N-1)*N;
}
//递归开了N个栈帧,执行N次。时间复杂度就是  N
// 计算斐波那契递归Fib的时间复杂度?
long long Fib(size_t N)
{
 if(N < 3)
 return 1;

 return Fib(N-1) + Fib(N-2);
}
时间复杂度为2^N

   

空间复杂度

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

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。

1.冒泡排序空间复杂度

// 计算BubbleSort的空间复杂度?
void BubbleSort(int* a, int n)
{

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

//额外空间是exchange,i,end,开了常数个空间,根据大O渐进法就是O(1),a指针的空间是实参传进来的
//它是已经确定好的,不算额外的空间

2.斐波列那 的空间复杂度

(1)循环实现

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;
//这里用malloc额外开了,n+1个空间,i也开了一个。根据大O渐进法我们抓大头,空间复杂度就是O(n)

(2)递归实现

// 计算斐波那契递归Fib的时间复杂度?
long long Fib(size_t N)
{
 if(N < 3)
 return 1;

 return Fib(N-1) + Fib(N-2);
}
//递归的空间是可以复用的,当它递归到最后时返回,空间回收利用

当N=5 递归最大的深度为5,当递归到最后最后一项的时候开始返回,这时 f(1)返回,空间被回收给f(0)利用,它们其实共用同一个空间只是使用者不同,当f(0)返回f(2)也就返回了,f(2)的空间回收给了右边的f(1)利用........。可以认为它的复杂度等于递归深度

3.递归的空间复杂度 

// 计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{
 if(N == 0)
 return 1;

 return Fac(N-1)*N;
}
//递归时间开的空间是 N。它开了N个栈帧空间

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值