初战数据结构——算法的时间复杂度和空间复杂度

朋友们，我们已经完成C语言的学习，下面我们将开始数据结构的学习；
数九结构是数据本身的性质；算法是人完成这件事使用是方法；

1.算法效率

如何衡量一个算法的好坏

在IT圈中公认的是两个因素：
1.时间复杂度（使用的时间）
2.空间复杂度（使用的内存

2.时间复杂度

2.1时间复杂度的介绍

定义：

1.在计算机科学中，时间复杂度是一个函数（数学上的函数式）用来描述该算法的运行时间；
2.但是计算电脑消费的时间，理论上是算不出来的（原因是使用 计算机计算时间，不仅和你写代码的逻辑有关；还和你使用的设备有关）
3.所以圈内一致认可使用代码中语句的执行次数**；来判断时间复杂度；

简单说：找到某条基本语句与问题规模N之间的数学表达式|（就是将代码中的次数相加），就是算出了该算法的时间复杂度。

// 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);
}

实际中我们计算时间复杂度时。我们其实并不是使用F（）（真实值）而是使用O（）（大o的渐进法来）表示；

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。———O（）

1.使用常数1取代运行时间的所有加法常数；
2.在修改后的运行次数函数中，只保留最高阶项；
3.如果最高项有常量系数，可以去掉；
4.另外有些算法复杂度存在最好，平均，最坏的情况；这时时间复杂度选择最坏的来作为整体的复杂度；

2.3时间复杂度计算的示例

示例1

常数类

// 计算Func2的时间复杂度？
void Func2(int N)
{
 int count = 0;
 for (int k = 0; k < 2 * N ; ++ k)
 {
 ++count;
 }
 int M = 10;
 while (M--)
 {
 ++count;
 }
 printf("%d\n", count);
}

F（N）=2N+10；
O（N）；
这里使用的2和3；

示例2：

同等级变量

// 计算Func3的时间复杂度？
void Func3(int N, int M)
{
 int count = 0;
 for (int k = 0; k < M; ++ k)
 {
 ++count;
 }
 for (int k = 0; k < N ; ++ k)
 {
 ++count;
 }
 printf("%d\n", count);
}

F(N)=M+N;
O(M+N)

实例3:

函数全为常数类

// 计算Func4的时间复杂度？
void Func4(int N)
{
 int count = 0;
 for (int k = 0; k < 100; ++ k)
 {
 ++count;
 }
 printf("%d\n", count);
}

F（N）=100
O（1）；
这里的1不是指1次而是指常数次；
原因：对于处理来说：100万和100的处理级别是一样的；

示例4

时间复杂度分好坏

// 计算strchr的时间复杂度？
const char * strchr ( const char * str, int character );

该时间复杂度分情况：
1.最好是1次
2.平均是n/2次
3.最坏是n次
所以根据4可以知道该程序的复杂程度是O（N）；

示例5

冒泡排序的时间复杂度；

// 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;
 }
}

F（N）=N(N-1)/2
O(N^2)
快排（qsort）的时间复杂O(N*logN)
对于时间复杂来说N^2的时间复杂度已经非常的大了；

示例6

二分查找的时间复杂度

// 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;
 // [begin, end]：begin和end是左闭右闭区间，因此有=号
 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;
}

而暴力查找是O（N），可见二分查找是非常厉害的；

示例7

#define _CRT_SECURE_NO_WARNINGS 1
// 计算BinarySearch的时间复杂度？
#include<stdio.h>
// 计算阶乘递归Fac的时间复杂度？
long long Fac(size_t N)
{
	if (0 == N)
		return 1;
	int i = 0;
	for ( i = 0; i < N; i++)
	{
       //……
	}
	return Fac(N - 1) * N;
}

F（N）=N（N+1)/2
O(n^2);

示例8

斐波那契递归

// 计算斐波那契递归Fib的时间复杂度？
long long Fib(size_t N)
{
 if(N < 3)
 return 1;
 
 return Fib(N-1) + Fib(N-2);
}

由此可以的到给函数的数学本质是一个等比数列；
等比数列公式：a(1-q^n)/(1-q)
F(n)=2^(n-1)-1
O(2^n)

3.空间复杂度

本质：空间复杂度也是一个数学表达式，是对一个算法在运行过程中临时占用存储空间大小的量度 。

原理 ：空间复杂度衡量空间内大小的标准是使用函数中创建的新变量个数（函数的地址形参使用的外函数的内存不算空间复杂度），也使用大O渐进表示法。

示例1.

// 计算BubbleSort的空间复杂度？
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;
 }

实例1:使用了常数个额外空间，所以空间复杂度为 O(1)

实例2：

// 计算Fibonacci的空间复杂度？
// 返回斐波那契数列的前n项
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;
}

实例2动态开辟了N个空间，空间复杂度为
O(N)

示例3：

// 计算阶乘递归Fac的空间复杂度？
long long Fac(size_t N)
{
 if(N == 0)
 return 1;
 
 return Fac(N-1)*N;
}

实例3递归调用了N次，开辟了N个栈帧，每个栈帧（函数）使用了常数个空间。空间复杂度为O(N）

注意：斐波那契数列函数栈帧的创建是先创建第一列的栈帧；所以后面函数都使用前面函数创建的栈帧；

总结：
时间是一去不可返的，时间累计计算；
空间是可以重复使用的，空间不累计算；

4.常见复杂度对比

5. 复杂度的oj练习

3.1消失的数字OJ链接：