一看就懂：时间复杂度与空间复杂度

【前言】

我们程序员写的代码，代码的质量除了阅读性要好，可扩展性外，更重要的就是耗时要尽量少，占用的内存尽量少。

那么在代码里，耗时多少则用时间复杂度表示，占用的内存多少则可以用空间复杂度表示。

本文只做简单介绍，让不明白的同学明白这两个概念，并不深入。

 

【时间复杂度】

（1）什么是时间复杂度？

书面的语言不用说太多，说太多反而脑袋晕，最好的解释就是举例说明：

例如：小明和小花同时阅读一篇n页的书，小明每天读1页，小花每天读剩下书的一半（以页为单位，剩余1页时直接读完），那么他们多少天可以读完？假设我们以T(n)来表示之间的关系。

这里我们称n为规模，T(n)为语句频度。

从这里可以看出来，小明需要n天，则T(n) = n。小花需要T(n) = log2n + 1（其中2为底数，n为真数，下同）

那么这里的时间复杂度为小明为O(n)，小花为O(log2n)，如果不懂怎么来的，看下面时间复杂度的计算。

（2）程序的时间复杂度

简单的来说，一个循环为n的时间复杂度为n，双重循环都为n的时间复杂度为n的二次方，三重循环都未n就是n的三次方，以此类推。

【时间复杂度计算】

（1）T(n) = 1000

（2）T(n) = log2n

（3）T(n) = 2n

（4）T(n) = 3n^3

（5）T(n) = n^3 + 2n + 1

 

时间复杂度我们用O来表示，他表示一个函数在随着n无限大的时候，最影响时间的那个项，然后省去其常数系数，下同空间复杂度。

解：

（1）这个为常数阶，不涉及变量，因此他的时间复杂度为1，记为O(1)

（2）这个为对数阶，不管是log2n，还是100log2n，最影响他的就是log2n，所以他的时间复杂度为O(log2n)

（3）这个为线性阶，不管是2n，还是3n，还是3n+10000，最影响他的是n，所以他的时间复杂为O(n)

（4）这个为指数阶，不管是3n^3，还是（5）那样 n^3 + 2n + 1，最影响他们的是n^3，因此它的时间复杂度都为O(n^3)

【空间复杂度】

（1）什么是空间复杂度？

例子：已知一亩地一年可以收获水稻1千斤，那么要收获n千斤水稻需要多少时间，多少地？

下面是小明和小花的做法：

第一种：小明一次性种了n亩水稻，那么一年则可以达到目标，但这个方式需要耗费了大量的土地，如果是100个1千斤，那小明家得有多大的地盘才能种的完，且在播种和收获的时候不得累死。

第二种：小花一年种1亩水稻，那么n年则可以达到目标，这个方式虽然节约了不少土地，但却需要耗费大量的时间，如果是目标100个1千斤，恐怕小花到死也完成不了。

根据上面所学：我们不难看出，不管多少目标产量，

小明的时间始终为1年（其实不管是1年还是5年，只要是具体的一个数），则时间复杂度记为O(1)；小花的时间则需要n年，时间复杂度记为O(n)。

由于程序的数据都是存在内存上的，都是一个单位一个单位的，空间复杂度就好比这里的土地，运行程序的环境内存就那么点大，只从耗内存方面来说，肯定是花的越少越好。

所以，从空间复杂度来说，小明的方式则需要n亩地，记为O(n)；小花的方式则始终为1亩地（其实不管是1亩，还是5亩，只要是一个具体的数），则空间复杂度记为O(1)；

由于时间英文为Time，空间英文为Space，那么他俩的两个复杂度可记为：

小明：T(n) = O(1), S(n)=O(n)    小花：T(n) = O(n), S(n)=O(1);

（2）程序的空间复杂度（这里n是一个变量）

因为a1的值不管是取0还是取10000，他所占的单位内存始终是1个，故空间复杂度为1。

a2的单位内存个数取决于变量n，所以不能确定到底占用多少个内存，故空间复杂度为n。

a3是一个n*n的二维数组，所以需要n的平方个内存单位，故空间复杂度为n^2。

 

【两复杂度关系】

从上面的水稻问题可知，我们在书写一段代码的时候，时间复杂度和空间复杂度往往是呈反相关的。

即时间尽可能的少的时候，往往牺牲的内存比较大，即程序员口中常说的 “拿内存换性能” 之说。

一段代码逻辑是否有真的存在最优解？即耗时少，消耗内存较低的写法。

答案是肯定的，大学里《数据结构与算法》就是研究的这个，所以只要算法学习好了，代码的质量就会蹭蹭蹭的获得提高。

【考考你】

好了，我想到这里，两个复杂度的意思你是否已经弄明白了吧，明白的点个赞，没明白的留个言。

明白的，不妨试试看看那下面这段代码的时间复杂度T(n)、空间复杂度S(n)分别是多少？回答后连续下滑查看答案。

for(int i=0; i<n; i++) {
    int[] arr1 = new int [5];
    for (int j = 0; j < n/2; j++) {
        int[] arr2 = new int [n];
    }
}

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

解：

我们首先来看时间语句频度T(n)和n之间的关系：

由于外层循环式n遍，内层循环式n/2遍，故而T(n) = n * (1/2) n =  (1/2) n^2；

 

我们再看空间空间语句频度S(n)和n之间的关系：

由于第一层循环中，循环了n遍，每遍都要使用5个单位内存，因为n遍就是5n个单位内存。

我们再看内层循环，循环(n/2)遍，每遍需要使用(n/2) * n 个单位内存，由于外层还有n遍，

则内层一共需要n * (n/2) * n = (1/2) n^3单位内存，加上前面的5n，则S(n) = (1/2) n^3 + 5n。

 

综上： T(n) =  (1/2) n^2；S(n) = (1/2) n^3 + 5n。

随着n趋于无穷大的时候，最影响他们的是(1/2) n^2和(1/2) n^3，我们省略其常数系数即可得到复杂度关系，

即这段代码的时间复杂度为T(n) = O( n^2)，空间复杂度为S(n) = O(n^3)