【挑战数据结构--1】时间复杂度和空间复杂度

前言

从现在开始，正式挑战数据结构与算法这座大山啦~数据结构入门的第一课–时间复杂度和空间复杂度。解决一个问题有很多种，每个人都有自己的想法，如果你是老板的话，肯定是要选择最好最优的方法。那么，我们怎么样才能去评判一个程序的质量呢？我们通常从两个维度去思考这件事情，时间和空间。也就是说，一个好的程序，它不能运行得太慢，同时占用的空间也不能太多。下面，就带大家一起探究探究什么是一个程序的时间复杂度和空间复杂度。

文章目录

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

大O阶的推导方法

在实际计算程序的时间复杂度时，我们并不需要精准的计算这个程序到底运行了多少次，而是推算出它的大概次数就可以了，也就是说，弄明白这个程序运行的量级就OK了，我们采用的是大O阶的推导办法：

1、用常数1取代运行时间中的所有加法常数。
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。

有一些程序的运行次数存在几种情况：最好情况，平均情况，最差情况。

最好情况：任意输入规模的最小运行次数(下界)
平均情况：任意输入规模的期望运行次数
最差情况：任意输入规模的最大运行次数(上界)

那在这种情况下，我们采用哪个作为这个程序的时间复杂度呢？这就比如你今天和一个女孩子去约会，但是可能有点事情，最早在17:00之前就能办好，平均在18点之前就能办好，最差的情况下19:00之前能够办好，为了能够万无一失，你会选择哪个时间点作为你们的见面时间?肯定是19:00,对吧？所以说，我们的程序也是一样的，我们就选择最坏情况作为我们的时间复杂度。下面我们结合一些例子来看看，时间复杂度到底应该如何去计算。

推导时间复杂度的实例

常数阶O(1)

// 计算Func4的时间复杂度？
void Func4(int N)
{
   
 int count = 0;
 for (int k = 0; k < 100; ++ k)
 {
   
 ++count;
 }
 printf(