数据结构-时间、空间复杂度

 
推导O()的方法：

1. 运行次数函数的加法常数用1取代
2. 运行次数函数中，只保留最高阶项
3. 把最高阶项的系数改为1

一、时间复杂度

时间复杂度主要是衡量一个算法的运行速度，定量描述该算法的运行时间。算法的基本操作执行次数就是该算法的时间复杂度。符号O的渐进表示法：O()
 

例：递归计算斐波那契：

	long my_fibonacci(size_t n)
	{
		return n < 2 ? n : fibonacci(n - 1) + fibonacci(n - 2);
	}

时间复杂度为O(2^n)。递归形式，效率低。
 
有些算法的时间复杂度存在最好、最坏、平均情况：

1. 最好情况：任意输入规模的最小运行次数
2. 最坏情况：任意输入规模的最大运行次数
3. 平均情况：任意输入规模的期望运行次数

 

二、空间复杂度

空间复杂度主要是衡量一个算法所需要的额外空间，不是字节数，是变量的个数。符号O的渐进表示法：O()
 
二分查找（折半查找）：

int BinarySearch(int arr[], int k, int left, int right)
{
    assert(arr);
 
	while (left <= right)
	{
		int mid = left + (right - left) / 2;       // 防止数据越界
		if (arr[mid] > k)
		{
			right = mid - 1;
		}
		else if (arr[mid] < k)
		{
			left = mid + 1;
		}
		else
		{
			return mid;
		}
	}
	return - 1;
}

代码分析：