递归算法的时间空间复杂度

空间复杂度

空间复杂度不是可执行文件的大小，是程序在运行时占用内存的大小。

int j = 0;
for(int i = 0; i < n; i++){
	j++;
}

以上程序段表示空间复杂度为O(1)，在程序运行中消耗的内存空间一定，没有随着输入的变化而变化。

int *a = new int(n);
for(int i = 0; i < n; i++){
	a[i] = i;
}

以上程序在运行过程中随着n输入的增大，占用的内存空间也会增大。

斐波那契数列的递归时空分析

int fib(int i){
	if(i <= 0) return 0;
	if(i == 1) return 1;
	return fib(i-1) + fib(i-2);
}

递归算法的时间复杂度实际上是 每次递归的时间复杂度与递归次数相乘，在这段代码中每次递归都是O(1)，但是递归的次数是一棵递归树，一颗深度为k的二叉树最多有 __2^k-1__个节点，因此该递归算法的时间复杂度为 O(2^n)。
递归算法的空间复杂度实际上是 每次递归的空间复杂度与递归深度相乘，递归的深度为n，空间复杂度为 O(n)。
对上述代码进行改进。

int fib(int first, int second, int i){
	if(i <= 0) return 0;
	if(i < 3)  return 1;
	else if(i == 3) return first + second;
	else {
		return fib(second, first+second, i-1);
	}
}

本次改进代码会记录当前两个相加的数值，每次递归的时间复杂度是O(1)，递归的次数是i-1，因此该递归算法的时间复杂度为O(n)。
同样的空间复杂度为O(n)。

二分法的递归实现，时空分析

int binary_search(int arr[], int l, int r, int x){
	if(r >= 1){
		int mid = l + (r - l) / 2; //防止溢出
		if(arr[mid] == x) return mid;
		if(arr[mid] > x) return binary_serach(arr, l, r-1, x);
		return binary_serach(arr, l+1, r, x);
	}
	return -1;
}

我们知道二分法的时间复杂度是O(logn)，空间复杂度是什么？
递归深度是logn，我们这时要注意，如果传递的参数是指数则空间复杂度为 O(logn)，如果传递的是数组则每次复制还需要n的空间，空间复杂度为 O(nlogn)