C++ 数据结构与算法图解----空间复杂度

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。
$O(n^2)$：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$n^2$ 的辅助空间。
O(log n) 或 $O(sqrt(n))$：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。