时间复杂度和空间复杂度

目录

一.算法效率

二.时间复杂度

三.空间复杂度

---

一.算法效率

算法效率分析分为两种：第一种是时间效率，第二种是空间效率。时间效率被称为时间复杂度，而空间效率 被称作空间复杂度。

时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要

的额外空间，在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机 行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法 的空间复杂度。

---

二.时间复杂度

2.1 时间复杂度的概念

在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。

2.2 大O的渐进表示法

看一下下方代码Func1基本操作执行了多少次？

void Func1(int N) {
int count = 0;
for (int i = 0; i < N ; ++ i) 
{
    for (int j = 0; j < N ; ++ j)
    {
        ++count;
    }
}
for (int k = 0; k < 2 * N ; ++ k) 
{
    ++count;
}
int M = 10;
while (M--) 
{
    ++count;
}
printf("%d\n", count);
}

Func1 执行的基本操作次数 ：F(N)=N^2+2*N+10

N = 10             >>        F(N) = 130

N = 100           >>        F(N) = 10210

N = 1000         >>        F(N) = 1002010

实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要大概执行次数，那么这 里我们使用大O的渐进表示法。

大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。

推导大O阶方法：

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，则去除与这个项目相乘的常数。得到的结果就是大O阶。

使用大O的渐进表示法以后，Func1的时间复杂度为：O(N^2)

N = 10 F(N) = 100

N = 100 F(N) = 10000

N = 1000 F(N) = 1000000

可以发现，我们去掉后边的2*N+10后，对执行次数F(N)的影响并不大，并且在N越大时，这种现象就越明显。大O的渐进表示法去掉了那些对结果影响不大的项，简洁明了的表示出了执行次数。

另外，有些算法的时间复杂度存在，最好，平均，最差三种情况。

例如：在一个数组中搜索一个数x

最好情况：一次找到.。

平均情况：N/2次找到。

最差情况：N次找到。

我们一般关注的是算法的最坏运行情况。--->数组中搜索数据的时间复杂度是O(N)。

---

三.空间复杂度

空间复杂度的概念

空间复杂度是对一个算法在运行过程中临时占用存储空间大小的量度 。空间复杂度不是程序占用了多少

bytes的空间，因为这个也没太大意义，所以空间复杂度算的是变量的个数。空间复杂度计算规则基本跟实践

复杂度类似，也使用大O渐进表示法。

请看例题：

// 计算BubbleSort的空间复杂度？
void BubbleSort(int* a, int n) 
{
assert(a);
for (size_t end = n; end > 0; --end)
{
    int exchange = 0;
    for (size_t i = 1; i < end; ++i)
    {
        if (a[i-1] > a[i])
        {
            Swap(&a[i-1], &a[i]);
            exchange = 1;
        }
    }
    if (exchange == 0)
    break;
    }
}

冒泡排序只创建了end和i两个变量，使用了常数个额外空间（尽管end和i都定义了很多次，但每次出作用域时都会销毁，空间可以重复利用），所以空间复杂度是O（1）。

// 计算Fibonacci的空间复杂度？
long long* Fibonacci(size_t n)
{
    if(n==0)
        return NULL;
    long long * fibArray =(long long *)malloc((n+1) * sizeof(long long));
    fibArray[0] = 0;
    fibArray[1] = 1;for (int i = 2; i <= n ; ++i)
    {
        fibArray[i ] = fibArray[ i - 1] + fibArray [i - 2];
    }
    return fibArray ;
}

这种创建临时数组的方式计算Fibonacci数的方法，创建了n*long long的空间,空间复杂度为O(N)。

// 计算阶乘递归Factorial的空间复杂度？
long long Factorial(size_t N)
{
    return N < 2 ? N : Factorial(N-1)*N;
}

递归法计算阶乘时，每次函数调用都用常数个空间，共调用了N次，空间复杂度为O(N)。

大部分的代码空间复杂度都是O(N)或者O(1)。