[ 数据结构-C实现 ] 算法的时间复杂度

目录

1、算法的复杂度

2、时间复杂度

2.1 时间复杂度的定义

2.2 大O的渐进表示法

3、常见时间复杂度计算举例

3.1 冒泡排序的时间复杂度

3.2 二分查找的时间复杂度

3.3 阶乘(递归)的时间复杂度

3.4菲波那切数列的时间复杂度

---

1、算法的复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。

时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。（本篇文章主要讨论时间复杂度）
 

2、时间复杂度

2.1 时间复杂度的定义

时间复杂度的定义：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。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
举例：

请计算一下Func1中++count语句总共执行了多少次？

void Func1(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);
}

时间复杂度函数：F(N)=N*N+2*N+10 

 实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要大概执行次数，那么这里我们使用大O的渐进表示法。

2.2 大O的渐进表示法

大O符号（Big O notation）：是用于描述函数渐进行为的数学符号
 

1、用1来代替常数,F(N)函数只有常数  O(1)
2、在运行次数中，只保留最高阶。 F(N)=N^3+N^2  --> O(N^3)
3、最高项系数化为1。F(N) = 2*N  --> O(N)

 注：复杂度不固定时，时间复杂度看的是最坏的情况（悲观的估算）

例如：在一个长度为N数组中搜索一个数据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
在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)

3、常见时间复杂度计算举例

3.1 冒泡排序的时间复杂度

void BubbleSort(int* a, int n)
{
	assert(a);
	for (size_t end = n; end > 0; --end)
	{
		int exchange = 0;
		for (size_t i = 1; i < end; ++i)
		{
			if (a[i - 1] > a[i])
			{
				Swap(&a[i - 1], &a[i]);
				exchange = 1;
			}
		}
		if (exchange == 0)
			break;
	}
}

 经分析的：F(N)= O(N^2)

3.2 二分查找的时间复杂度

//左闭右开
int BinarySearch(int* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n ;
	while (begin < end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid;
		else
			return mid;
	}
	return -1;
}

//左闭右闭
int BinarySearch(int* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n-1;
	while (begin <= end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid-1;
		else
			return mid;
	}
	return -1;
}

假设找了x次：

1*2*2*2*2......*2 = N 

2^x = N

x = log2 N

最坏：O(log2 N)  简写成 log(N)

3.3 阶乘(递归)的时间复杂度

1、每次函数调用是O(1),那么就要看他的递归次数。
2、每次函数调用不是O(n),那么就看他的递归调用中次数的累加。

long long Fac(size_t N)
{
	if (0 == N)
		return 1;
	return Fac(N - 1) * N;
}

 F(N) = O(N)

3.4菲波那切数列的时间复杂度

long long Fib(size_t N)
{
	if (N < 3)
		return 1;
	return Fib(N - 1) + Fib(N - 2);
}

 通过计算分析发现基本操作递归了2^N次，时间复杂度为O(2^N)。

（本篇完）