数据结构与算法——复杂度分析(一)

本专栏是学习王争老师的《数据结构与算法之美》的学习总结，详细内容可以去学习王争老师的专栏，希望大家都能够有所收获。同时也欢迎大家能够与我一起交流探讨！

数据结构和算法本身解决的问题是“快”和“省”的问题，即**如何让代码运行得更快，如何让代码更省存储空间。**所以，代码的执行效率是算法一个非常重要的考量指标。

一、为什么需要复杂度分析？

将代码运行一遍，通过统计、监控，就能得到算法执行的时间和占用的内存大小。为什么还需要做时间、空间复杂度分析呢？并且这种时间、空间复杂度分析比实实在在跑一遍得到的数据更准确吗？

首先，这种评估算法执行效率的方法是正确的。这种方法叫事后统计法。但这种统计方法有很大的局限性。

1. 测试结果非常依赖测试环境

测试环境中硬件的不同会对测试结果有很大的影响。

例如同一段代码，分别用 Intel Core i9 处理器和 Intel Core i3 处理器来运行，自然i9处理器要比i3处理器执行的速度快很多。

在比如，原本在这台机器上a代码的执行速度比b代码要快，但换到另一台机器上时，可能会有截然相反的结果。

2. 测试结果受数据规模的影响很大

举个例子，对于同一个排序算法，待排序的有序度(即当前数组的有序排列的程度)不一样，排序的执行时间就会有很大的差别。极端情况下，如果数据已经有序，那排序算法不需要做任务操作，执行时间就会非常的短。

除此之外，如果测试数据的规模太小，测试结果可能无法真实地反映算法的性能。比如对于小规模的数据排序，插入排序可能反倒会比快速排序还要快！

所以，需要一个不用具体的测试数据来测试，就可以粗略地估计算法的执行效率的方法。

二、大 O 复杂度表示法

算法的执行效率，笼统地讲就是算法代码执行的时间。复杂度的分析需要我们学会如何在不运行代码的情况下，用“肉眼”得到一段代码的执行时间。

如下代码，求求 1,2,3…n 的累加和，估算这段代码的执行时间。

int cal(int n) {
  int sum = 0;
  int i = 1;
  for (; i <= n; ++i) {
    sum = sum + i;
  }
  return sum;
}

从 CPU 的角度来看，这段代码的每一行都执行着类似的操作：读数据-运算-写数据。尽管每行代码对应的 CPU 执行的个数、执行的时间都不一样，但是，由于是粗略估计，所以可以假设每行代码执行的时间都一样，为 unit_time。

在这个假设的基础之上，这段代码的总执行时间是多少呢？

上述代码中第2、3行代码分别需要1 个 unit_time 的执行时间，第 4、5 行都运行了 n 遍，所以需要 2n*unit_time 的执行时间，所以这段代码总的执行时间就是 (2n+2)*unit_time。可以看出来，所有代码的执行时间 T(n) 与每行代码的执行次数成正比。

依旧假设每个语句的执行时间是 unit_time。那试着分析下面这段代码的总执行时间 T(n) ：

 int cal(int n) {
   int sum = 0;
   int i = 1;
   int j = 1;
   for (; i <= n; ++i) {
     j = 1;
     for (; j <= n; ++j) {
       sum = sum +  i * j;
     }
   }
 }

上述代码中，

• 第 2、3、4 行代码，每行都需要 1 个 unit_time 的执行时间；
• 第 5、6 行代码循环执行了 n 遍，需要 2n * unit_time 的执行时间；
• 第 7、8 行代码循环执行了 n^2遍，需要 2n^2 * unit_time 的执行时间。

所以，整段代码总的执行时间 T(n) = (2n^2+2n+3)*unit_time。

通过上述两端代码执行时间的推到过程，可以得到一个非常重要的规律，那就是，所有代码的执行时间 T(n) 与每行代码的执行次数 f(n) 成正比。

上述规律可以总结成一个公式，即大 O：

其中，

• T(n) 表示代码执行的时间；
• n 表示数据规模的大小；
• f(n) 表示每行代码执行的次数总和，因为这是一个关于n变量的公式，所以可以用f(n)来表示；

上述的两段代码中，第一个例子中的 T(n) = O(2n+2)，第二个例子中的 T(n) = O(2n^2+2n+3)。这就是大 O 时间复杂度表示法。

大 O 时间复杂度实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势，所以，也叫作渐进时间复杂度（asymptotic time complexity），简称时间复杂度。

当 n 很大时，公式中的低阶、常量、系数三部分并不左右增长趋势，因此可以忽略，只需要记录一个最大量级即可，即用大 O 表示上述两个例子的时间复杂度。

例如第二个例子 T(n) = O(2n^2+2n+3)，低阶为2n、常数是3、系数是2，这三部分不会左右增长趋势，所以可以忽略，只需要记录一个最大量级n^2即可，即第二个例子的时间复杂度可以记为T(n) = O(n2)；第一个例子可以记为T(n) = O(n)

三、时间复杂度分析

如何分析一段代码的时间复杂度？

1. 只关注循环执行次数最多的一段代码

大 O 复杂度表示 知识表示一种变化趋势。忽略公式中的常量、低阶、系数，只需要记录一个最大阶的量级即可。所以在分析一个算法、一个代码的时间复杂度时，也可以只关注循环次数最多的那一段代码。这段核心代码执行次数的n量级，就是整段代码要分析的时间复杂度。

例如前面的例子：

 int cal(int n) {
   int sum = 0;
   int i = 1;
   for (; i <= n; ++i) {
     sum = sum + i;
   }
   return sum;
 }

上述代码中，执行次数或者说是循环次数最多的是第4、5行，所以这一块的代码需要重点分析。这两行代码被执行了n次，所以总的时间复杂度就是O(n)。

2. 加法法则：总复杂度等于量级最大的那段代码的复杂度

分析下面一段代码：

int cal(int n) {
   int sum_1 = 0;
   int p = 1;
   for (; p < 100; ++p) {
     sum_1 = sum_1 + p;
   }

   int sum_2 = 0;
   int q = 1;
   for (; q < n; ++q) {
     sum_2 = sum_2 + q;
   }
 
   int sum_3 = 0;
   int i = 1;
   int j = 1;
   for (; i <= n; ++i) {
     j = 1; 
     for (; j <= n; ++j) {
       sum_3 = sum_3 +  i * j;
     }
   }
 
   return sum_1 + sum_2 + sum_3;
 }

上述代码可以分为三段，分别是求sum_1、sum_2、sum_3。分析每一段的时间复杂度：

• sum_1：这段代码循环执行了100次，属于常量的执行，与n规模无关，无论这段代码循环 10000 次、100000 次，只要是一个已知的数，跟 n 无关，照样也是常量级的执行时间。当n无限大时，可以忽略；
• sum_2：分析过后可以知道这段代码的时间复杂度为O(n)；
• sum_3：分析过后可以知道这段代码的时间复杂度为O(n^2)；

综合三段分析，其中最大量级为O(n^2)，因此整段代码的时间复杂度为O(n2)。

即，总的时间复杂度就等于量级最大的那段代码的时间复杂度。将该规律抽象成公式为：

• 如果 T1(n) = O(f(n))，T2(n) = O(g(n))；那么 T(n) = T1(n) + T2(n) = max(O(f(n)), O(g(n))) = O(max(f(n), g(n))).

3. 乘法法则：嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

如果 T1(n) = O(f(n))，T2(n) = O(g(n))；那么 T(n) = T1(n) * T2(n) = O(f(n)) * O(g(n)) = O(f(n) * g(n))

例如分析如下代码：

int cal(int n) {
   int ret = 0; 
   int i = 1;
   for (; i < n; ++i) {
     ret = ret + f(i);
   } 
 } 
 
 int f(int n) {
  int sum = 0;
  int i = 1;
  for (; i < n; ++i) {
    sum = sum + i;
  } 
  return sum;
 }

单独看cal()函数，假设f()只是一个普通操作，则cal()函数的时间复杂度为T1(n) = O(n)。但f()是一个带有for循环的函数，它的时间复杂度是T2(n) = O(n)。

所以，整个cal()函数的时间复杂度为T(n) = T1(n) * T2(n) = O(n*n) = O(n2)

时间复杂度的分析并不需要刻意的去记忆，只需要多看案例，复杂度分析关键在于“熟练”，多看案例多分析，就能熟练掌握。

四、几种常见时间复杂度实例分析

常见的时间复杂度量级（按数量级递增）：

阶数	时间复杂度
常量阶	O(1)
对数阶	O(logn)
线性阶	O(n)
线性对数阶	O(nlogn)
平方阶、立方阶、k次方阶	O(n^k)
指数阶	O(2^n)
阶乘阶	O(n!)

上述的复杂度量级，可以粗略的分为两类，多项式量级和非多项式量级。其中非多项式量级只有两个：O(2^n)、O(n!)。

当数据规模n越来越大，非多项式量级算法的执行时间会急剧增加，求解问题的执行时间会无限增长。所以，非多项式时间复杂度的算法其实是非常低效的算法。

分析常见的多项式时间复杂度

1. O(1)

O(1) 是常量级时间复杂度的一种表示方法，并不是指只执行了一行代码。

比如这段代码，即便有 3 行，它的时间复杂度也是 O(1），而不是 O(3)。

 int i = 8;
 int j = 6;
 int sum = i + j;

只要代码的执行时间不随 n 的增大而增长，这种代码的时间复杂度都记作O(1)。即一般情况下，只要算法中不存在循环语句、递归语句，即使有成千上万行的代码，其时间复杂度也是Ο(1)。

2. O(logn)、O(nlogn)

对数阶时间复杂度非常常见，同时也是最难分析的一种时间复杂度。

例如如下代码：

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

上述代码中第3行是循环执行的最多，计算该行代码被执行多少次即可知道整段代码的时间复杂度。

代码中i的值从1开始取，每次循环 i * 2。当 i 大于 n 时结束循环，即变量 i 的取值就是一个等比数列。

上述中x就是代码执行的次数，通过 2x=n 求解 x 可以得到 x = log2(n)，所以，这段代码的时间复杂度就是 O(log2(n))。

 i=1;
 while (i <= n)  {
   i = i * 3;
 }

又刚刚的思路可以知道上述代码的时间复杂度为O(log3(n))。

实际上无论是以 2 为底、以 3 为底，还是以 10 为底，我们可以把所有对数阶的时间复杂度都记为 O(logn)。因为对数之间是可以互相转换的，log3(n) 就等于 log3(2) * log2(n)，所以 O(log3(n)) = O(C * log2(n))，其中 C=log3(2) 是一个常量。

基于我们前面的一个理论：在采用大 O 标记复杂度的时候，可以忽略系数，即 O(Cf(n)) = O(f(n))。所以，O(log2n) 就等于 O(log3n)。因此，在对数阶时间复杂度的表示方法里，我们忽略对数的“底”，统一表示为 O(logn)。

而O(nlogn)实际上就是上述中说道的乘法法则得到的。如果一段代码的时间复杂度是 O(logn)，我们循环执行 n 遍，时间复杂度就是 O(nlogn) 了。而且，O(nlogn) 也是一种非常常见的算法时间复杂度。比如，归并排序、快速排序的时间复杂度都是 O(nlogn)。

3. O(m+n)、O(m*n)

分析如下代码：

int cal(int m, int n) {
  int sum_1 = 0;
  int i = 1;
  for (; i < m; ++i) {
    sum_1 = sum_1 + i;
  }

  int sum_2 = 0;
  int j = 1;
  for (; j < n; ++j) {
    sum_2 = sum_2 + j;
  }

  return sum_1 + sum_2;
}

分析上述代码可知，m 和 n 表示两个数据规模，并且无法评估 m 和 n 谁的量级大，所以在表示复杂度的时候，不能简单地利用加法法则去省略掉其中一个。所以，上面代码的时间复杂度就是 O(m+n)。

针对无法评估 m 和 n 谁的量级大这种情况，原来的加法法则就不正确了，我们需要将加法规则改为：T1(m) + T2(n) = O(f(m) + g(n))。但是乘法法则继续有效：T1(m) * T2(n) = O(f(m) * f(n))。

五、空间复杂度分析

前面说到，时间复杂度的全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系。

类比一下，空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。

例如分析如下代码的空间复杂度：

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

  for (i = n-1; i >= 0; --i) {
    print out a[i]
  }
}

上述代码第2行中，申请了一个空间存储变量 i，但是它是常量阶的，跟数据规模 n 没有关系，所以我们可以忽略。

第 3 行申请了一个大小为 n 的 int 类型数组，除此之外，剩下的代码都没有占用更多的空间，所以整段代码的空间复杂度就是 O(n)。

空间复杂度分析比时间复杂度分析要简单很多。所以，对于空间复杂度来说比较能直观的看出来。