算法复杂度（时间、空间）

算法

算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。

算法特性

输入、输出、有穷性、确定性、可行性

算法设计要求

正确性、可读性、健壮性、高效率、低存储量

算法时间复杂度

在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间度量，记作：T(n)=O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称为算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是规模n的某个函数。

常数阶

当 n = 1 时，算法执行次数为 3， 当 n = 100时，算法的执行次数还是 3，所以我们可以看出这个算法的执行次数与 n 的规模没关系。我们把这种与问题的大小（n 的大小）无关，执行时间恒定的算法， 叫作常数阶。

int sum = 0, n = 100;   // 执行 1 次
sum = (1 + n) * n / 2;  // 执行 1 次
printf("%d", sum);      // 执行 1 次

对于分支结构，无论是真还是假，执行的次数都是恒定的，不会随着 n 的变化而变化，所以单纯的分支结构（不包含在循环结构中），其时间复杂度也是 O(1)。

线性阶

int i;
for (i = 0; i < n; i++) {
    /* 时间复杂度为 O(1) 的程序步骤序列 */
}

时间复杂度为 O(n),因为循环体中的代码必须要执行 n 次。

对数阶

int count = 1;
while (count < n) {
    count = count * 2;
    /* 时间复杂度为 O(1) 的程序步骤序列 */
}

由于每次 count 乘以 2 以后，就越来越接近于 n，也就是说有多少个 2 相乘后大于 n，则会退出循环。由 2x = n 等到 x = log2n。所以这个算法的时间复杂度为 T(n) = O(logn)。

平方阶

int i, j;
for (i = 0; i < n; i++) {
    for (j = 0; j < n; j++) {
        /* 时间复杂度为 O(1) 的程序步骤序列 */
    }
}

的时间复杂度为 O(n2)

int i, j， m;
for (i = 0; i < m; i++) {
    for (j = 0; j < n; j++) {
        /* 时间复杂度为 O(1) 的程序步骤序列 */
    }
}

时间复杂度为 O(m*n)

循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。

嵌套循环

int i, j;
for (i = 0; i < n; i++) {
    for (j = i; j < n; j++) {   // 注意 j = i 而不是 0
        /* 时间复杂度为 O(1) 的程序步骤序列 */
    }
}

由于当 i = 0 时，内循环执行了 n 次，当 i = 1 时，执行了 n -1 次，…… 当 i = n - 1 时，执行了 1 次。所以部的执行次数为：

n + (n-1) + (n-2) + …… + 1 = n(n+1)/2 = n2/2 + n/2。

第一条，没有加法常数不考虑；
第二条，只保留最高阶项，因此保留 n2/2；
第三条，去除这个项相乘的常数，也就是去除 1/2；
最终这个算法的时间复杂度为 T(n) = O(n2)

常用的时间复杂度所耗费的时间从小到大依次是：
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)

算法空间复杂度

算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式：S(n)=O(f(n)),其中n为问题的规模，f(n)为语句关于n所占存储空间的函数。

线性表

线性表的顺序存储结构，在存储和读取数据时，时间复杂度为O(1);而插入或删除时，时间复杂度为O(n)。

线性表的链式存储结构，在存储和读取数据时，时间复杂度为O(n);而插入或删除时，时间复杂度为O(1)。

排序

排序名称	平均情况	最好情况	最坏情况	空间复杂度	稳定性
冒泡排序	O(N^2)	O(N)	O(N^2)	O(1)	稳定
插入排序	O(N^2)	O(N)	O(N^2)	O(1)	稳定
归并排序	O(N*lgN)	O(N*lgN)	O(N*lgN)	O(N)	稳定
快速排序	O(N*lgN)	O(N*lgN)	O(N^2)	O(lgN)	不稳定
选择排序	O(N^2)	O(N^2)	O(N^2)	O(1)	不稳定
希尔排序	O(N^1.3)	O(N)	O(N^2)	O(1)	不稳定
堆排序	O(N*lgN)	O(N*lgN)	O(N*lgN)	O(1)	不稳定

排序名称	时间复杂度	空间复杂度	稳定性
计数排序	O(N)	O(最大数-最小数)	稳定
基数排序	O(N*位数)	O(N)	稳定