空间复杂度的定义
算法的空间复杂度是对算法所需的额外内存空间的量化评估。它表示在执行算法时,除了输入数据外,需要使用的额外空间量。
空间复杂度涉及的空间类型有:
输入空间: 存储输入数据所需的空间大小;
暂存空间: 算法运行过程中,存储所有中间变量和对象等数据所需的空间大小;
输出空间: 算法运行返回时,存储输出数据所需的空间大小;
通常情况下算法的时间复杂度指的是指在N输入数据量时,暂存空间和输出空间的总体大小
算法使用的内存空间分为三类:
指令空间:
编译后,程序指令所使用的内存空间。
数据空间:
算法中的各项变量使用的空间,包括:声明的常量、变量、动态数组、动态对象等使用的内存空间。比如下段代码中的num变量和nums数组以及节点node
void algorithm(int N) {
int num = N; // 变量
int nums[N]; // 动态数组
Node* node = new Node(N); // 动态对象
}
栈帧空间:
程序调用函数是基于栈实现的,函数在调用期间,占用常量大小的栈帧空间,直至返回后释放。如以下代码所示,在循环中调用函数,每轮调用 test() 返回后,栈帧空间已被释放,因此空间复杂度仍为 O(1) 。
int test() {
return 0;
}
void algorithm(int N) {
for (int i = 0; i < N; i++) {
test();
}
}
常见分类
通俗地说,我们可以将空间复杂度理解为算法在计算过程中占用的内存大小。算法的空间复杂度通常用大 O 表示法表示。
O(1):常数空间复杂度。表示算法所使用的额外空间是固定的,不随输入规模的增加而增加。
O(n):线性空间复杂度。表示算法所使用的额外空间与输入规模成正比。例如,在遍历一个长度为 n 的数组时,需使用一个大小为 n 的辅助空间来存储数组元素。
O
(
n
2
)
O(n^2)
O(n2):平方空间复杂度。表示算法所使用的额外空间与输入规模的平方成正比。例如,在二维数组中进行全排列操作,需要使用大小为
n
2
n^2
n2 的辅助空间。
O(log n) 或
O
(
s
q
r
t
(
n
)
)
O(sqrt(n))
O(sqrt(n)):对数空间复杂度或平方根空间复杂度。表示算法所使用的额外空间随着输入规模的增长而增长,但增长速率较慢。