数据结构—算法的时间复杂度及空间复杂度

一、绪论

1、  什么是数据结构？

程序设计=数据结构+算法，再简单的来说数据结构就是关系，是数据元素相互之间存在的一种或多种特定关系的集合

2、  数据结构的分类

逻辑结构：数据对象中数据元素之间的相互关系

物理结构：数据逻辑结构在计算机中的存储形式

3、  逻辑结构分类

集合分类：集合结构中的数据元素除了同属一个集合外，无其他关系

线性结构：数据元素是一对一的关系

树形结构：一对多的层次关系

图形结构：多对多的关系

4、  物理结构分类

顺序存储：把数据元素存放在地址连续的存储单元里，数据间的逻辑结构与物理结构是一致

链式存储：把数据元素存放在任意的存储单元内

二、算法

1、算法的定义

解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作

2、算法的五个基本特征

输入、输出、有穷性、确定性、可行性

3、算法设计的要求

正确性、可读性、健壮性、时间效率高和存储量低

三、算法效率的度量方法

1、如何度量一个算法的时间？

事后统计方法：为算法编好测试程序

事前分析估算方法

2、函数的渐进增长

定义：给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N,f(n)总是比g(n)大，那么我们说f(n)的增长渐进快于g(n)

结论：判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项的阶数

注意：判断一个算法好不好，我们只能通过少量的数据是不能做出准确判断的，很容易以偏概全

3、时间复杂度和空间复杂度

算法时间复杂度的定义：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。

关键：执行次数=时间

一般情况下，随着输入规模n的增大，T(n)增长最慢的算法为最优算法

 

如何分析一个算法的时间复杂度？

（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，则去除与这个项相乘的常数

（4）      得到的最后结果就是大O阶

四、函数调用的时间复杂度分析

举例：

Function函数的时间复杂度是O(1),所以整体的时间复杂度就是循环的次数O(n)。

Function内部的循环次数随着count的增加而减少，所以算法的时间复杂度为O(n^2)。（参考平方阶）

整体的运算次数为3n^2+1,最后的时间复杂度为O(n^2)

 

常见的时间复杂度：

 

 

五、算法的空间复杂度

定义：算法的空间复杂度通过计算算法所需的存储空间实现，算法的空间复杂度的计算公式为S(n)=O(f(n)),其中n为问题的规模，f(n)为语句关于n所占存储空间的函数。

通常，我们都是用“时间复杂度”来指运行时间的需求，是用“空间复杂度”指空间需求，当直接求“复杂度”时，通常指的是时间复杂度