数据结构复杂度
1.算法效率
2.时间复杂度
3.空间复杂度
1.算法效率
算法效率分析分为两种: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,而空间效率被称作空间复杂度。 时间复杂度主要衡量的是一个算法的运行速度,而空间复杂度主要衡量一个算法所需要的额外空间,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。
2.时间复杂度
时间复杂度是一个函数,通俗说就是算法中的基本操作的执行次数,用大O的渐进表示法来表示。
计算一下Func1基本操作执行了多少次
// 请计算一下Func1基本操作执行了多少次
void Func1(int N) {
int count = 0;
for (int i = 0; i < N ; ++ i) {
for (int j = 0; j < N ; ++ j)
{
++count;//N的平方次
}
}
for (int k = 0; k < 2 * N ; ++ k) {
++count;//2N次
}
int M = 10;
while (M--)
{
++count;//10次
}
printf("%d\n", count);
}
F(N)=N^2+2N=10
N = 10 F(N) = 130
N = 100 F(N) = 10210
N = 1000 F(N) = 1002010
实际上这里只需要知道大概的执行次数。
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。
所以Func1的时间复杂度为:O(N^2)
所以可以发现这个表示法去掉了那些对结果影响不大的项。
最坏情况:任意输入规模的最大运行次数(上界)
平均情况:任意输入规模的期望运行次数
最好情况:任意输入规模的最小运行次数(下界)
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
一般来说我们关注的是算法的最坏运行情况,所以在数组里面搜索数据,时间复杂度为O(N)
// 计算BubbleSort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;
}
}
排序实质上可以看成一个等差数列,大的数字一个一个排到数列最后面。
最好N次,最坏了(N*(N+1)/2次次,时间复杂度为 O(N^2);
// 计算BinarySearch的时间复杂度?
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;
else
return mid; }
return -1; }
二分查找设查找次数为X
N\2\2\2...=1
2^X=N
X=log2N
最好1次,最坏O(logN)次,时间复杂度为 O(logN)
// 计算斐波那契递归Fibonacci的时间复杂度
long long Fibonacci(size_t N)
{
return N<2?N : Fibonacci(N-1)+Fibonacci(N-2);}
画二叉树图可以看出
F(N)=2^0+2^1+2^2+...+2^(N-1)-X
X远小于2^N,时间复杂度为O(2^N)
3.空间复杂度
空间复杂度是指算法运行中临时占用储存空间大小的量度,实际上算的是变量的个数,也使用大O渐进表示法
// 计算Fibonacci的空间复杂度?
long long* Fibonacci(size_t n) {
if(n==0)
return NULL;
long long * fibArray = (long long *)malloc((n+1) * sizeof(long long));
fibArray[0] = 0;
fibArray[1] = 1;for (int i = 2; i <= n ; ++i)
{
fibArray[i ] = fibArray[ i - 1] + fibArray [i - 2];
}
return fibArray ;
}
动态开辟了N个空间,并且空间重复利用,实质上主要看空间开辟的深度,空间复杂度为 O(N)
// 计算阶乘递归Factorial的空间复杂度?
long long Factorial(size_t N) {
return N < 2 ? N : Factorial(N-1)*N; }
递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间,空间复杂度为O(N)
这就是全部啦,刷题明天肝。。。