时间复杂度

时间复杂度

衡量算法的好坏：时间复杂度和空间复杂度（内存占用）

O渐近表达式

1.时间复杂度（本质是一个函数，函数计算的是总的执行次数）
去掉低次项
系数化为1

常数都是O（1）
2.为什么使用执行次数而不是时间来衡量算法的好坏？
因为两个主机的”环境“可能不一样，比如一台此时要执行四个算法，另外一个要执行一个算法，在真正执行时，算法之间还会抢夺cpu分配的时间等。但次数不受影响。
F(n） =…
3.算法都会有个最优和最差，时间复杂度取最差的情况

以下两个算法的时间复杂度

分治算法时间复杂度

二分查找思想：

//二分查找------------很多坑
//  1 2 3 4 5 6 7 8 9。right可以是最后一个数字size-1，也可以是size;
//[][) 
int BinearySearch(int *arrar, int size, int data)
{
	int left = 0;
	int right = size - 1;   //左闭右闭
    //int riht = size;    //左闭右开，，影响下边的取等和mid值
	while (left <= right)   //坑一,是否取等
	{
		int mid = (right - left) / 2 + left;   //坑二
		if (data == arrar[mid])
			return data;
		else if (data>arrar[mid])
		{
			left = mid + 1;
		}
		else
			right = mid - 1;
   }
	return -1;
}

上边的时间复杂度是？

除以2的次数就是时间复杂度
M分查找就是log(N)(M)

在二叉树中查找一个数的时间复杂度（类似上边）

找的数据先和根比，比它大往右边走，比它小，往左边走，找到后的时间复杂度就是 ------树的高度，因为以最差的情况当作时间复杂度

递归算法时间复杂度

时间复杂度：递归总次数*每次递归的次数
//递归的重难点-----划分小问题以及递归的出口

1.1+2+3+…n的和

int sum(int n)
{
	if (n == 1)
		return 1;

	return sum(n - 1) + n;
}
//递归时间复杂度---递归了n次,每次递归了一次 O(N);

int fac(int n)
{
	if (n == 0)
		return 1;
	return  fac(n - 1)*n;
}
//递归了N+1次

空间复杂度—在堆上申请的空间个数

函数中创建对象的个数

斐波纳契分析时间空间复杂度

//求第n项
int fibo(int n)
{
if(n<3)
return 1;
else
return fibo(n-1)+fibo(n-2);   

}

时间复杂度：
每次递归两次
递归总的次数是多少？如下图表示：

由图可知，斐波纳契重复递归了很多，所以效率很低