a*算法的时间复杂度_递归算法时间复杂度和空间复杂度分析

类型一(快速排序 & 归并排序)

• 快速排序

quick_sort

时间复杂度分析：

注意：p = partition(a, l, r)这里的时间复杂度为O(n) 最好情况：每次都是二分，T(n) = 2*T(n/2) + O(n) = O(nlogn) 最坏情况：每次划分出一个数值，T(n) = T(n-1) + T(1) + O(n) = O(n^2) 一般情况：不平衡分割，T(n) = T(n/10) + T(9n/10) + O(n) = O(nlogn)

空间复杂度分析(考虑递归深度)：

最好情况：每次都是二分，O(logn) 最坏情况：每次划分出一个数值，O(n)

• 归并排序

merge_sort(a, l, r):
    m = l + (r - 1)/2
    merge_sort(a, l, m)
    merge_sort(a, l+1, m)
    merge(a, l, m, r)

时间复杂度分析：

归并排序每次都是二分，T(n) = 2*T(n/2) + O(n) = O(nlogn)

空间复杂度分析(考虑递归深度)：

递归深度是log(n)
merge(a, l, m, r)需要额外的空间，但是它是临时使用的
空间复杂度是O(logn + n)

• 总结

由于快速排序没有数组的拷贝，所以空间复杂度低，同时在一般情况中的事件复杂度也是有良好的表现，所以快速排序应用的更为广泛

---

类型二(二分查找 & 二叉树中序遍历)

• 二分查找

binary_research

时间复杂度分析：

每次都是二分，T(n) = T(n/2) + O(1) = O(logn)

空间复杂度分析(考虑递归深度)：

O(logn)

• 二叉树中序遍历

inorder

假设是完美二叉树

时间复杂度分析：

最好的情况下：每次输入规模减半，T(n) = 2*T(n/2) + O(1) = O(n) 最差的情况下：二叉树只有左子树(相当于逐个遍历)，T(n) = T(n-1) + T(1) + O(1) = O(n)

空间复杂度分析(考虑递归深度)：

最好的情况下：O(logn) 最差的情况下： O(n)

• 对比总结
  • 类型一和类型二的区别是中间有没有O(n)的操作
  • 递归函数的每一步都很重要，如果多做了一点，很可能最后的结果和线性没有区别

---

类型三(组合 & 排列)

• combination

commbination

时间复杂度分析：

每个数字有两种情况，取或者不取，T(n) = O(2^n)

空间复杂度分析(考虑递归深度)：

O(n)

• permutation

permutation

时间复杂度分析：

T(n) = n*T(n-1) = O(n!)

空间复杂度分析(考虑递归深度)：

O(n)

---

记忆递归

• fibonacci_origin

fibonacci

时间复杂度分析：

T(n) = T(n-1)+T(n-2)+O(1)
2T(n-2)<T(n)<2T(n-1)
T(n) = O(2^n)
实际上是O(1.168^n)黄金比例

空间复杂度分析(考虑递归深度)：

O(n)

• fibonacci_memorization

fibonacci_memorization

时间复杂度分析：

O(n)

空间复杂度分析(考虑递归深度)：

记忆深度和递归深度都是O(n)

//TODO leetcode741 & leetcode312

参考文献

花花酱 LeetCode Time/Space Complexity of Recursive Algorithms - 刷题找工作 SP4_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com