数据结构之算法复杂度

算法

解决特定问题求解步骤的描述。在计算机中表现为指令的有限序列，每条指令可表示一个或多个操作。
此外，一个算法还具有下列5个特性：有穷性，确定性，可行性，输入，输出。
算法设计的要求：正确性，可读性，健壮性，效率与低存储量需求。

算法复杂度

1. What？时间复杂度和空间复杂度
2. Why？可以用度量算法的好与坏
3. How？控制变化因素，估算N趋于无穷的复杂度

时间复杂度

1. 时间复杂度实际上就是一个计算执行基本操作次数的函数，不受外界影响。
2. 方法：大O渐进表示法：一个算法语句总的执行次数是关于问题规模N的某个函数，记为f（N），N称为问题的规模。语句总的执行次数为T(N)，当N不断变化时，T(N)也在变化，算法执行次数的增长速率和f(N)的增长速率相同。则有T(N)=O(f(N))，称O(f(n))为时间复杂度的O渐进表示法。
3. 常见的时间复杂度：

void Test(int n)
{
	int iCount = 0;//1次
	for (int i = 0; i < n; i++)
	{
		for (int j = 0; j < n; ++j)
		{
			iCount++;//1*n*n次
		}
	}
	for (int k = 0; k < 2 * n; k++){
		iCount++;//(2*n)次
	}
	int count = 10;//(1次）
	while (count--)//（10次）
	{
		iCount++;
	}
}
//语句总执行次数：f(n)=n*n+2*n+10
//则时间复杂度估算为：O(N*N)

//二分查找
int Binarysearch(int arr[],int sz,int n)
{
	int left=0;
	int right = sz - 1;
	/*int mid = left+(right-left)/2;*/
	int mid = left+((right-left)>>1);
	//每次比较都除以2
	//n=log(N)
	//时间复杂度为O(logN)
	while (left <= right)
	{
		if (arr[mid] == n)
		{
			return mid;
		}
		else if (arr[mid] > n)
		{
			left = mid + 1;
		}
		else
		{
			right = mid - 1;
		}
	}
	return -1;
}

//递归算法
//求1+2+...+N之和
long sum(int N)
{
	if (N == 1)
		return 1;
	long sum_1 = sum(N - 1);
	long retval = sum_1 + N;
	return retval;
	//return N+sum(N-1);
}
//求阶乘
long long fac(int N)
{
	if (N == 1)
		return 1;
	long long sum_1 = sum(N - 1);
	long long retval = sum_1 * N;
	return retval;
	//return N*sum(N-1);
}
//时间复杂度都为O(N)

总结：

1. 找次数；
2. O();
3. 用常数1取代运行时间中所有加法常数；
4. 保留最高阶；
5. 若最高阶不是1，则去掉1（即常数）。

空间复杂度

函数中创建对象的个数关于问题规模的函数表达式。相当于求高度，一般用O渐进法表示。

//1.求前n项和
//空间复杂度O(1)
int sum(int n)
{
	int count = 0;
	for (int i = 0; i < n; i++)
		count += i;
	return count;
}
//2.斐波那契
//空间复杂度：O(n)
//时间复杂度：O(2^n)
long long Fib(int n)
{
	if (n < 3)
		return 1;
	else
		return Fib(n - 1) + Fib(n - 2);
}
//求兔子个数问题
//空间复杂度：O(n)
//时间复杂度：O(2^n)
long Fib(long first,long second,long n)
{
	if (n < 3)
		return 1;
	if(n==3)
		return first+second;
	return Fib(second,first+second,n-1);
}