数据结构之时间复杂度和空间复杂度

文章目录

前言

本篇主要介绍数据结构中的时间复杂度和空间复杂度以及大O渐进得表示法。在这之前我们得知道什么是数据结构？ 什么是算法？以及算法效率、以便于我们更好进行的理解。

一、什么是数据结构？

数据结构是计算机存储、组织数据的方式，然后按照特定的方式将数据进行组织。

二、什么是算法？

就是定义良好的计算过程，取一个或者一组值为输入，并产生一个或者一组的值进行输出，简单来说算法就是一系列的计算步骤，用来将输入数据转化为输出结果。

三、算法效率

算法效率分为两种：第一种是时间效率，第二种是空间效率。
时间效率被称为时间复杂度，空间效率被称为空间复杂度。
时间复杂度主要是衡量一个算法的运行速度，空间复杂度主要是衡量一个算法所需要的额外空间。

四、时间复杂度

时间复杂度：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一般来说， 一个算法所花费的时间与语句中所执行的次数成正比，所以我们可以把时间复杂度理解成 算法基本操作的执行次数。

五、空间复杂度

空间复杂度是对一个算法在运行过程中临时占用储存空间大小的量度。
空间复杂度不是程序占用了多少 bytes的空间，这个没有太大的意义，
所以空间复杂度计算的是临时占用额外空间的个数。

六、大O渐进的表示法

一般用大O来描述复杂度，在计算执行次数的时候，我们不一定要计算精确的执行次数，而只是需要大概执行次数，这就是大O渐进的表示法。
使用说明：
1、用常数1取代运行时间中的所有加法常数
2、在修改过后的运行次数函数中，只保留最高阶项。
3、如果最高阶存在且不是1，则去除与该项目相乘的系数。
大O的渐进表示法去除了那些对结果影响不大的项，更加简洁的表示了执行次数。

例如：请计算fun（）基本执行了多少次
代码：

void fun(int N)
{
	int count = 0;
	for (int i = 0; i < N; i++)
	{
		for (int j = 0; j < N; j++)
		{
			++count;
		}
	}
	for (int k=0; k < 2 * N; k++)
	{
		++count;
	}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}

从以上代码中可知：fun的基本操作次数：F(N)=N^2+2*N+10;

使用大O的渐进表示法后，fun的时间复杂度为O(N^2);

在一些算法中复杂度存在最好，平均，和最坏情况。
最好情况：任意输入规模的最小运行次数；
平均情况：任意输入规模的期望运行次数；
最坏情况：任意输入规模的最大运行次数；
在实际中一般关注的是最坏的运行情况。

例如：在长度为N的数组中搜索一个数据是X;
最好情况：1次找到；
最坏情况：N次找到；
平均情况：N/2次找到；
所以数据中搜索X数据的时间复杂度为O(N);