算法与数据结构学习笔记（1）_时间和空间复杂度

复杂度

1. 时间复杂度
2. 空间复杂度

基本概念：
复杂度用于分析程序运行消耗的时间（1），和硬件资源（2）的程度。

时间复杂度

算法的时间复杂度是一个函数，算法中进行的基本操作次数，为算法的时间复杂度。
一般使用大O的渐进表示法表示。

推导大O阶方法：

1. 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，只保留最高项阶；
3. 如果最高阶存在且不为1，置1，得到结果即为大O阶。

算法存在不同输入下的时间复杂度差异情况：
最坏：任意输入规模的最大运行次数
最好：任意输入规模的最小运行次数
平均：任意输入规模的期望运行次数

在一个长度为n的数组中查找一个数x：
最坏：n
最好：1
平均：n/2

而一般情况下我们关注的是算法的最坏运行情况，因此其时间复杂度为O(n)。

冒泡排序的时间复杂度：
运算的次数相当于其中每个数和除此数以外的所有数做一次比较。结果为1～(n-1)的等差数列之和。
最坏情况：(n-1)*n/2—>O(n^2)
最好情况：原本数列就是有序的，只需全部遍历一边，O(n)

二分查找的时间复杂度（以数组有序为前提）：
由于二分查找每次将数组的查找范围减半，那么意味着最差的情况下是只剩最后一个数的时候找到目标数。那么此时假设已经进行了x 次减半，就意味着数组大小n<=2^x。所以x>=log(2)n
最坏情况：O(log(2)n)
最好情况：1

以递归算法计算阶乘的时间复杂度
由于递归算法的时间复杂度为：递归次数*每次递归函数的次数
阶乘递归n次，因此时间复杂度为O(n)

不同算法对时间复杂度的影响

求出斐波那契数列

• 方法1，使用递归计算
  fib(n)=fib(n-1)+fib(n-2)
  其每次向下递归一次，单层递归次数*2。最终的递归次数相当于一个1+2+2²+…+2^n-1的等比数列求和过程，其运算次数近似等于2ⁿ-1，时间复杂度为O(2ⁿ)。

• 方法2，使用指针数组算法
  申请一个空间为n个整数的数组，将前两项的和存储在第三项中，依次类推，那么得到第n项的值只需要进行n次运算，时间复杂度为O(n)。

空间复杂度

空间复杂度计算的是占用变量的个数。

如递归阶乘的调用次数为n阶，每次调用都要多开辟一块存储空间，空间复杂度为O(n)。

斐波那契数列的指针数组解法，由于其占用的运算资源是申请的数组大小和常数的变量申请，空间复杂度为O(n)。