前言
时间复杂度的分析已经有所了解了,最后还有一个空间复杂度。相比较于时间复杂度来说,空间复杂度决定了程序占用内存的大小。程序跑起来时都会加载到内存中,如果内存占用过大就会导致程序运行缓慢,会对正在使用的人造成卡顿的感觉。甚至内存一直增长的话,还可能导致内存溢出的异常,在JAVA中也可以说会导致OOM。因此空间复杂度的分析也很有必要。
空间复杂度
先从字面意思来理解时间共复杂度和空间复杂度,关键字就是时间和空间,相信大家也都听过用时间换空间,用空间换时间的说法。由此也可以看出这两个是互相影响的,谁也不能单独拿出来说。时间与空间往往同时出现,而且也都是此消彼长的状态。
那么时间个空间那一中比较好呢?
- 真的非要比较的话,还是得分情况来说。对于现在的头部企业来说,用户体量已经非常大了,所以更要注重每一段代码的时间复杂度。若是不考虑,在上线之后很难应对大流量的 访问,可能直接会导致系统崩溃
- 总之,没有哪一种最好。还是要自己取舍。考虑自身情况。
根据常见算法分析
冒泡排序算法
来浅浅分析一下:
public void sort(int[] arr){
for(int i=0;i<arr.length-1:i++){
for(int j=0;j<arr.length-1-i;j++){
if(arr[j]>arr[j+1]){
int temp=arr[j];
arr[j]=arr[j+1];
arr[j+1]=temp;
}
}
}
}
- 时间复杂度是O(n2)
- 可以看出第3、4行是循环,时间复杂度主要来自这两行。假设数组长度为n,则就可以得出时间复杂度
- 空间复杂度O(1)
-
涉及到空间的代码主要是交换位置的那三行,第一行
int temp=arr[j];
排序算法中创建了一个大小为 j 的数组,也可以知道这其实是一个大小为 1的数组。因此空间复杂度就为O(1)
递归算法
相信了解递归算法的人都知道,递归必须要有一个终止条件,要不然就会导致内存溢出,可见递归算法是比较耗费空间的
函数被调时都会存到方法栈中,随着调用结束会释放掉内存空间。但是对于递归来说,在没有到达终止条件时,是不会释放内存的,而且栈空间会一直叠加。举个例子来说:
- f(n)->f(n-1)->f(n-2)
- 假设执行到**f(n-2)**时递归结束。在执行f(n-1)时,他又会需要f(n)中的数据,因此f(n)就一直没有调用结束,一直在栈中。同样执行到f(n-2)时,又需要f(n-1),因此f(n-1)也一直在栈中。以此类推,如果没有终止条件栈一直叠加,最后就会导致栈溢出。
在拿出我们分析时间复杂度的时候使用的一道递归例题来分析一下空间复杂度
题目是这样的:
int f(int n){
if(n<=1){
return 1;
}
return f(n-1)+f(n-1);
}
画出树形结构分析(先假设n=5)
-
可以看出每一层都是一次递归调用
-
可以这道题对应的应该是一个完美为叉树,可以知道总的节点个数为2n-1
-
所以空间复杂度应该为O(2n)
觉得还行的话点个