算法的时间与空间复杂度

在我们了解什么是算法的时间与空间复杂度之前，我们要先了解算法效率：

算法效率：算法执行的时间，算法执行时间需通过依据该算法编制的程序在计算机上运行时所消耗的时间来度量。

一个算法的好坏可以从算法效率上得到最直观的比较。

算法复杂度

算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)资源 。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。

由此引出：
时间复杂度：衡量一个算法的运行快慢。
空间复杂度：衡量一个算法运行所耗费的额外空间。

1.时间复杂度

1.1 概念：

算法的时间复杂度是一个关于n（执行次数）的函数。
即某段代码与问题规模N之间的数学表达式

1.2 大o的渐进表示法

大o符号：用于描述函数渐进行为的数学符号。

大o阶的推导方法：

1. 用常数1取代运行时间中所有的加法常数。
2. 再修改后的运行次数函数中，只保留最高项。
3. 如果最高阶存在且不为1，那么删除这个项目相乘的常数，得到的最大结果就是大o阶。

例：

int main(){
	int count = 0;
	for (int i = 0; i <= 10; i++){
		count++;
	}
	printf("%d ", count);
	system("pause");
	return 0;
}

上代码基本操作执行了11次，即其时间复杂度为常数级O（1）.

int BinarySearch(int* a, int n, int x)
{
	int begin = 0;
	int end = n - 1;
	while (begin < end)
	{
		int mid = begin + ((end - begin) >> 1);
		if (a[mid] < x)
			begin = mid + 1;
		else if (a[mid] > x)
			end = mid;
		else
			return mid;
	}
	return  -1;
}

上代码中基本操作最好情况下为1次，最坏情况下为log N次，时间复杂度即为O（log N）。

2.空间复杂度

2.1 概念

空间复杂度也是一个数学表达式，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。
空间复杂度计算的为变量个数。

例：

long long Fac(size_t N)
{
	if (N == 0)
		return 1;

	return Fac(N - 1)*N;
}

此段代码递归调用了N次，开辟了N个栈帧，每个栈帧用了常数级个空间，空间复杂度为O（N）。

常用的复杂度：

O(1)	常数阶
O(N)	线性阶
O(N^2)	平方阶
O(NlogN)	Nlog阶
O(logN)	对数阶
O(N^3)	立方阶
O(2^N)	指数阶