【数据结构入门】算法的时间复杂度和空间复杂度详解

本篇前言

在C语言阶段，我们学过了一些排序和查找算法，冒泡排序，快速排序，二分查找等等，哪种算法更好呢，我们如何衡量一个算法的好坏呢？本篇来学习算法的时间复杂度和空间复杂度，相信学完后你就会明白了。

---

（1）算法效率

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。

随着计算机行业的高速发展，计算机储存容量已经达到了很高的程序，已经不需要特别关注一个算法的空间效率了，重点关注其时间复杂度。

---

（2）时间复杂度的计算

1）什么是时间复杂度

算法中的基本操作的==执行次数==，为算法的时间复杂度。

直接上实例来讲解具体的计算方法吧

//计算Func1中++count语句总共执行了多少次？
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);
}

算法执行次数函数表达式：F(N) = N² + 2 * N + 10

N = 10，F(N) = 130；N = 100，F(N) = 10210；N = 1000，F(N) = 1002010；

通过计算发现，N越大，对结果影响越小，所以在实际计算时间复杂度时，我们并不需要计算精确的执行次数，而只需要计算大概执行次数，使用大O渐进表示法（估算），只保留对结果影响最大的一项。

---

2）大O渐进表示法（估算）

1、推导大O阶方法：

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。

这些方法看起来有些许摸不着头脑哈，我们来举几个例子说明，比如：

1. 执行次数函数 F(N) = 10，使用大O渐进表示法后，时间复杂度为：O(1)
2. 执行次数函数 F(N) = N² + 2 * N + 10，使用大O渐进表示法后，时间复杂度为：O(N²)
3. 执行次数函数 F(N) = 2 * N + 10，使用大O渐进表示法后，时间复杂度为：O(N)

2、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次就找到

最坏情况：N次才找到（一般以最坏情况为准）

平均情况：N/2次找到

而在实际中一般情况关注的是算法的最坏运行情况，是一种保底思维，没有比这更差了哈哈，所以数组中搜索数据时间复杂度为O(N)

---

3）时间复杂度计算实例

实例1：

// 计算Func2的时间复杂度
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);
}

执行次数函数 F(N) = 2 * N + 10，使用大O渐进表示法后，时间复杂度为