1.复杂度

1.算法效率

1.1 算法的复杂度

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。

时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。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。

2.时间复杂度

2.1 时间复杂度的概念

时间复杂度的定义：在计算机科学中算法的时间复杂度是一个（数学）函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。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。

即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。

// 请计算一下Func1中++count语句总共执行了多少次？	F(N)=N*N+N*2+10
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);
}

int main()
{
	int N = 0;
	scanf("%d", &N);
	Func1(N);

	return 0;
}

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。

2.2 大O的渐进表示法

1、用常数1取代运行时间中的所有加法常数。 O(1)表示算法只能运行常数次

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。

通过上面我们会发现大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、平均和最坏情况：

最坏情况：任意输入规模的最大运行次数(上界)

平均情况：任意输入规模的期望运行次数

最好情况：任意输入规模的最小运行次数(下界)

例如：在一个长度为N数组中搜索一个数据x

最好情况：1次找到

最坏情况：N次找到

平均情况：N/2次找到

在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)

2.3常见时间复杂度计算举例

// 计算Func2的时间复杂度？	O(N)
void Func2(int N) {
 int count = 0;
 for (int k = 0; k < 2 * N ; ++ k)
 {
 ++count;
 }
 int M = 10;
 while (M--)
 {
 ++count;
 }
 printf("%d\n", count);
}

// 计算Func3的时间复杂度？	O(M+N)
void Func3(int N, int M) 
{
	int count = 0;
	for (int k = 0; k < M; ++k)
	{
		++count;
	}
	for (int k = 0; k < N; ++k)
	{
		++count;
	}
	printf("%d\n", count);
}

// 计算Func4的时间复杂度？	O(1)
void Func4(int N) {
 int count = 0;
 for (int k = 0; k < 100; ++ k)
 {
 ++count;
 }
 printf("%d\n", count);
}

// 计算strchr的时间复杂度？	O(N)
const char* strchr(const char* str, int character);
	
while (*str)
{
	if (*str == character)
		return str;
	else
		++str;
}

// 计算BubbleSort的时间复杂度？	O(N^2)
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;
	}
}

// 计算BinarySearch的时间复杂度？	O(log2N) 数据大，但复杂度小，缺点是有序
int BinarySearch(int* a, int n, int x) 
{
	assert(a);
	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;
}

// 计算阶乘递归Fac的时间复杂度？	O(N)
long long Fac(size_t N) 
{
	if (0 == N)
		return 1;

	return Fac(N - 1) * N;
}

// 计算斐波那契递归Fib的时间复杂度？	O(2^N)	时间复杂度太高，速度太慢
long long Fib(size_t N) 
{
	if (N < 3)
		return 1;

	return Fib(N - 1) + Fib(N - 2);
}

int main()
{
	printf("%lld\n", Fib(50));

	return 0;
}

3.空间复杂度

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额外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。

注意：函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了，因

此空间复杂度主要通过函数在运行时候显式申请的额外空间来确定。

// 计算BubbleSort的空间复杂度？ O(1)		使用了常数个额外空间，所以空间复杂度为 O(1)
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;
	}
}

// 计算Fibonacci的空间复杂度？	O(N) 动态开辟了N个空间，空间复杂度为 O(N)
// 返回斐波那契数列的前n项
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;
}

// 计算阶乘递归Fac的空间复杂度？	O(N) 
//递归调用了N次，开辟了N个栈帧，每个栈帧使用了常数个空间。空间复杂度为O(N)
long long Fac(size_t N) {
 if(N == 0)
 return 1;
 
 return Fac(N-1)*N; }

4.常见时间复杂度以及复杂度oj练习

例1.数组nums包含从0到n的所有整数，但其中缺了一个。请编写代码找出那个缺失的整数。你有办法在O(n)时间内完成吗？

思路1：排序 —> qsort 快排 时间复杂度O(n*log2N) 空间复杂度O(1)

思路2：（0+1+2+…+n）- (a[0]+a[1]+…+a[n-1]) 时间复杂度O(N) 空间复杂度O(1)

思路3：新建一个数组，数组nums中的值对应写在相应的位置，然后判断

​ 时间复杂度O(N) 空间复杂度O(N)

思路4：给定一个X=0，然后先与0-n的所有值异或，然后再和数组nums中的值异或，最后x即为缺失的值。

时间复杂度O(N) 空间复杂度O(1)

int missingNumber(int* nums, int numsSize)
{
    int x =0;
    int i =0;
    for(i=0;i<=numsSize;i++)
    {
        x^=i;
    }

    for(i=0;i<numsSize;i++)
    {
        x^=nums[i];
    }
   
    return x;
}

例2.定一个数组，将数组中的元素向右移动 k 个位置，其中 k 是非负数。

思路1：暴力求解 进行k次旋转1个的操作 时间复杂度O(N*K) 空间复杂度O(1)

思路2：开辟额外的空间，以空间换时间 时间复杂度O(N) 空间复杂度O(N)

思路3：前n-k个逆置，后k个逆置，然后整体逆置 时间复杂度O(N) 空间复杂度O(1)

void Reverse(int* nums,int left ,int right)
{
    while(left<right)
    {
        int tmp = nums[left];
        nums[left] = nums[right];
        nums[right]= tmp;
        
        left++;
        right--;
    }
}

void rotate(int* nums, int numsSize, int k)
{
    if(k>=numsSize)
    {
        k %= numsSize;
    }

    Reverse(nums,0,numsSize-k-1);
    Reverse(nums,numsSize-k,numsSize-1);
    Reverse(nums,0,numsSize-1);

}