数据结构之时间复杂度和空间复杂度

目录

时间复杂度

时间复杂度的概念

大O渐进法描述时间复杂度

空间复杂度

空间复杂度的概念

---

时间复杂度

时间复杂度的概念

时间复杂度的定义：假如我们想要知道一个程序跑起来到底需要多久，我们只有在它运行的时候才能测量出来，但是不同的机器由于运算速度的不同，所以执行的时间会有所差异，所以我们用一个函数来计算程序运行时候的运行次数，从而确定程序的运行时间

#include<iostream>
using namespace std;

int main()
{
	int n = 0;
	scanf("%d", &n);
	for (int i = 0; i < n; i++)
	{
		for (int j = 0; j < n; j++)
		{}
	}
	int k = 10;
	while (k--)
	{}
}

上面这个程序就运行了n*n+10次

大O渐进法描述时间复杂度

但是实际中我们不需要特别精确，只需要算出大概的执行次数就行，所以我们可以使用大O表示法来表示时间复杂度

大O符号：是用于描述函数渐进行为的数学符号
推导大O阶方法：
1、用常数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，只保留最高阶项
3、如果最高阶项存在且不是1，则去除与这个项目相乘的常数。得到的结果就是大O阶

注意：大O推导法推的是最坏的结果

空间复杂度

空间复杂度的概念

计算一个算法占用内存的方式

也使用大O渐进法表示

计算的不是程序所占的字节，而是临时变量的数量

注意：

1、我们需要计算的是显示创建时候的变量，函数传过来的参数，不在我们的计算范围内

int add(int* a,int n)
{
	int sum = 0;
	for (int i = 0; i < n; i++)
	{
		sum += *(a);	
		//虽然我们使用了数组a有n次，但是实际上显示开辟的空间只有sum，所以空间复杂度为O(1)，时间复杂度为O(N)
	}
	return sum;
}

2、时间复杂度是累计的 空间是不累计的

int fib(int n)
{
	if (n < 3)
	{
		return 1;
	}
	else
	{
		return fib(n - 1) + fib(n - 2);
	}
}

虽然会不断的压栈，但是函数运算完后会进行返回，所以使用的都是同一块内存空间，所以空间复杂度为O(N）