面试-算法的空间和时间复杂度

时间和空间复杂度

简介

使用不同的算法，得到的结果可能是一致的，但是其消耗的时间和空间可能大不相同，如何去衡量不同算法的优劣呢？

• 时间复杂度：是指执行当前算法所消耗的时间
• 空间复杂度：是指执行当前算法需要占用多少内存空间

时间复杂度

一般我们去测试程序算法的优劣，在同一台机器上跑一次就可以了，但是不同的机器配置得到的结果是不一样的，而且受限于程序环境的影响，有没有通用的方法呢：算法的渐进时间复杂度
$$T(n)=O(f(n))$$

常见的时间复杂度有

• 常数阶O(1)
• 对数阶O(logN)
• 线性阶O(n)
• 线性对数阶O(nlogN)
• 平方阶O(n²)
• 立方阶O(n³)
• K次方阶O(n^k)
• 指数阶O(2ⁿ)

常数阶O(1)

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

无论代码有多少行,，只要是顺序执行，没有循环等复杂结构，那复杂度为O(1)

他消耗的时间不会随着系数变化而变化

线性阶O(n)

for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

假定每行代码执行时间一致为1, 那么执行上述代码一次时间为1+2, 执行n次为 1+2n, 当n趋于无穷,
$$\begin{gathered} 有T(n)=O(1+2n) \\ 当n->\infty \\ 得T(n)=O(n) \end{gathered}$$

对数阶O(logN)

int i = 1;
while(i<n)
{
    i = i * 2;
}

根据定义, 假设循环了x次, 就有2^x = n , 有x = log2ⁿ 得出
$$T(n)=O(logn)$$

线性对数阶O(nlogN)

for(m=1; m<n; m++)
{
    i = 1;
    while(i<n)
    {
        i = i * 2;
    }
}

显而易见将 O(logn)循环了n遍, 所以时间复杂度为:
$$T(n)=O(nlogn)$$

平方阶O(n²)

for(x=1; i<=n; x++)
{
   for(i=1; i<=n; i++)
    {
       j = i;
       j++;
    }
}

O(n)的代码循环了n遍, 时间复杂度为:
$$T(n)=O(n^2)$$

空间复杂度

int[] m = new int[n]
for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

代码中只有第一行申请空间,其他代码没有, 因此空间复杂度只需要看第一行代码就行,其时间复杂度为:
$$T(n)=O(n)$$