时间复杂度空间复杂度

目录

什么是数据结构？

时间复杂度和空间复杂度

时间复杂度

空间复杂度

例子

1.计算Func3的时间复杂度？

2.计算Func4的时间复杂度？

3.计算BubbleSort的时间复杂度？

4.计算BinarySearch的时间复杂度？

5.计算阶乘递归Fac的时间复杂度？

6.计算斐波那契递归Fib的时间复杂度？

---

什么是数据结构？

    我们在实现项目的时候，需要将内存中的一些数据存储起来。
    例如：通讯录，每个人存储的信息。 
        数组、
        链表。
        树
    …

时间复杂度和空间复杂度

由于内存越来越便宜，不再特别关注空间复杂度。
主要关注时间复杂度

时间复杂度

时间复杂度：是一个函数（数学里面带有未知数的函数表达式）。
                它不是去计算程序跑了多少秒， 环境不同，算法运算时间不同。
                而是计算 执行次数。

计算时间复杂度，并不需要精准的执行次数，只需要大概执行次数， 用大O的渐进表示法  （估算）
    规则：
    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
        例如：f = 2N+ M 其中M = 10
        当N无限大的时候，M影响小，忽略
        2N 与 N 同无限大
        故此：复杂度为 O（N）

算法随着输入的不同，时间复杂度不同， 一般做悲观预算，按照最坏的情况计算。

空间复杂度

对于空间复杂度 我们只需用关注  空间是可以重复利用的这一点。

下面通过实际的例子举例讲解时间复杂度和空间复杂度

例子

1.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)
	{
		++count;
	}
	for (int k = 0; k < N; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

此处第一个for(int k = 0; k < M;++k)处    K需要遍历M遍

此处第二个for(int k = 0; k < N;++k)处    K需要遍历N遍

且由于没有说明M和N之间的关系，所以时间复杂度为O（M+N）

如果 其中一个远大于另外一个数，或者相差不大，则O（M）或者O(N);

2.计算Func4的时间复杂度？

void Func4(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

由于此处的for循环里面，只有一个常数100，所以为O（1）

3.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;
	}
}

for (size_t end = n; end > 0; --end)处需要遍历 n 次

for (size_t i = 1; i < end; ++i)处 需要遍历 （n-1）/2 次

此处时间复杂度的函数表达式为：N*（n-1）/2   

即时间复杂度为O（N^2）

4.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;
	while (begin < end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid;
		else
			return mid;
	}
	return -1;
}

二分法，每次查找一半

最好的情况，一次就找到 时间复杂度为O（1）

最坏的情况，找完了都没有找到。那么，我们进行反向展开，

即：1*2*2*2*2*……*2 = N 。 

令查找了X次，则  2^X = N， 所以X = log2(N)        log以2为底

所以时间复杂度为 O（log2(N) ）

5.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;
}

O（N）

6.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);
}

可见，如此递归下去，成为了一个等比函数，2，4，8……

根据等比数列求和： Sn = 2^n -1 

所以Fib的时间复杂度为O（2^n）

Fib的空间复杂度：O（N）  

因为空间可以重复利用，上一个开辟的空间，可以被下一个利用