算法的时间复杂度

1.问题引入

有一个数列，-1、1、-1、1 … 求前n项的和

解法1：

暴力求解，把每一项都加起来。

demo

int sum1(int n) {

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

解法2：

思考规律，如果n为偶数项的话，那么sum = 0，如果n为奇数项的话，sum = -1。

demo

int sum2(int n) {
	if (n % 2 == 0) return 0;
	else return -1;
}

完整代码

#include <iostream>
#include <cmath>
using namespace std;

const int n = 1e6;

int sum1(int n) {

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

int sum2(int n) {
	if (n % 2 == 0) return 0;
	else return -1;
}
int main() {
	time_t s, e, sumtime;
	
	s = clock();
	int res = sum2(n);
	e = clock();

	sumtime = e - s;
	cout << sumtime;
	return 0;
}

2.代码测试

这里我们使用 time_t 来测试sum1函数和sum2函数的性能。

测试结果是：

sum2

sum1

这里测试的n是1000000，如果n趋近于无穷大，那么sum1是不是时间就会更大？

所以这就凸显了算法在程序中的重要性了。

3.如何计算算法的时间复杂度，和空间复杂度呢？

时间复杂度

这里特别指出，在循环的时候为什么是 n + 1 次，因为当for循环执行完 n 次的时候，其实需要进行最后一次判断，判断 i是否还小于等于 n，所以会执行 n + 1 次，然后内层的循环也是如此。

空间复杂度

一个程序包含三种需要的存储空间

1.程序本身需要的空间

2.基本的输入输出

3.需要额外的辅助空间

我们只需要计算第三类空间。

在交换两数时，分析变量类型。

1.x 和 y 属于基本输入输出

2.额外空间是 t

所以，空间复杂度是 o（1）

如何分析本段代码的空间复杂度呢？

int fac(int n) {
	if (n == 0 || n == 1) return 1;
	else return n * fac(n - 1);
}

这是它的递归树，我们发现，当n = 5 时，一共有 5 层，所以也就是说，这个程序的递归树是有n层的，分析每一层我们用到的额外变量，n * fac(n - 1)是会占用一个存储空间。

每一层是 O（1）， 那么n层就是 O（n）