【数据结构】时间复杂度与空间复杂度

Miraitowax

已于 2022-11-27 12:53:51 修改

阅读量390

点赞数 2

分类专栏：数据结构文章标签：数据结构算法 c语言编程语言开发语言

于 2022-11-27 02:02:19 首次发布

本文链接：https://blog.csdn.net/weixin_51389729/article/details/128056115

版权

数据结构专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本专栏使用C语言编写数据结构
C语言专栏：C语言基本语法、基本操作、相关库函数的编写，相关内存分析
C++专栏：C++基本语法、C++相关结构剖析，详细例题，相关小型Demo的编写
数据结构专栏：基本数据结构原理介绍，代码实现，相关Leetcode例题讲解剖析
干货满满，陆续更新ing

数据结构

数据结构（Data Structure）是计算机存储、组织数据的方式，指相互之间存在一种或多种特定关系的数据元素的集合。

算法（Algorithm）就是定义良好的计算过程，它取一个或一组的值为输入，并产生出一个或一组的值作为输出。

算法的时间复杂度与空间复杂度

时间复杂度

算法的时间复杂度是一个函数，算法中的基本操作的执行次数，为算法的时间复杂度

时间复杂度取所有情况中最坏的情况,最坏预期的估算

示例一

//请计算Func1中++count共执行多少次
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);
}

上述代码的时间复杂度函数：F(N)=N*N+2*N+10，由函数可得：随着N的变大，后两项对整个结果的影响变小
大O渐进表示法：O(N^2)
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，则去掉与这个项相乘的常数，得到的结果就是大O阶

示例二

void Func2(int N){
    int count = 0;
    for(int i = 0;i < 100;i++){
        ++count;
    }
    printf("%d\n",count);
}//O(1) --- 常数次

上述函数中：变量i循环执行了100次，count自增100次，为常数项，故为O(1)的时间复杂度。

示例三

void Func3(int N){
    int count = 0;
    for(int i = 0;i < 2 * N;i++){
        ++count;
    }
    int M = 10;
    while(M--){
        ++count;
    }
    printf("%d\n",count);
}//O(N)

上述函数中：变量i循环执行了2N次，count自增2N次，N为变量，故时间复杂度为线性阶，为O(N)的时间复杂度。

示例四

void Func4(int M,int N){
    for(int i = 0;i < M;i++){
        ++count;
    }
    for(int j = 0;j < N;j++){
        ++count;
    }
}//O(M+N)
//M远大于N：O(M)
//M与N差不多大：O(N)或者O(M)
//N远大于M：O(N)

上述函数中：变量i循环执行了M次，count自增M次，j循环执行了N次，count自增N次，M、N为变量，故时间复杂度为线性阶。

当M远大于N时：为O(M)的时间复杂度。
当N远大于M时：为O(N)的时间复杂度。
当M与N差不多大：为O(N)或者O(M)

示例五：strchr函数的时间复杂度

const char* strchr(const char * str,int character);
while(*str){
    if(*str == character){
        return str;
    }else{
        ++str;
    }
}
return NULL;
//O(N)

上述函数中：将str遍历一次，str长度未知，设为变量N，故时间复杂度为线性阶。为O(N)的时间复杂度。

示例六：冒泡排序的时间复杂度

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;
        }
    }
}
//n n-1 n-2 n-3 n-4...2 1
//F(n) = (n-1+1)*n/2 --- 最坏情况
//F(n) = n-1
//O(n^2)

上述冒泡排序函数中：时间复杂度函数为：：F(N)=(n-1+1)*n/2
时间复杂度考虑算法的最坏情况，对于冒泡排序，举例：若期望达到一个从左到右递增的数组序列，当原始数组序列为从左到右递减序列时，算法时间复杂度最大，将下标为0位置的最大元素右移至下标为n-1的位置时，Swap函数执行n-1次，依次将下标为1位置的元素右移至下标为n-2的位置时，Swap函数执行n-2次…直至得到期望数组序列，故时间复杂度为等差数列：(n-1) (n-2) (n-3) … 1求和。为O(N^2)的时间复杂度。

示例七：折半查找时间复杂度

int BinarySearch(int* a,int n,int x){
    assert(a);
    int begin = 0;
    int end = n;
    while(begin < end){
        int mid = begin + ((end-begin)>>1);//右移=除2，防止溢出
        if(a[mid] < x){
            begin = mid+1;
        }else if(a[mid] > x){
            end = mid;
        }else{
            return mid;
        }
    }
    return -1;
}
//二分查找
//最好情况：O(1)
//最坏情况：假设折半了x次 1*2*2*2*...*2=n 共x个2 x=log2(n)
//O(logN)

上述折半查找函数中：假设数组中共有n个数据，折半进行了x次，时间复杂度函数为：x=log2(n)
时间复杂度考虑算法的最坏情况，对于折半查找，最坏情况为折半查找未查找到数据，即数组中全部元素全部折半查找一遍未查找到期望数据，不停的折半（数据个数除以2），将一组数据最终折半剩下最后一个数据都未查找到，假设折半次数为x次 1*2*2*2*...*2=n 共x个2 x=log2(n)。为O(logN)的时间复杂度。

示例八：递归算法时间复杂度

long long Fac(size_t N){
    if(0 == N){
        return i;
    }
    //for(size_t i = 0; i < N; i++){
    //    printf("%d\n",i);
    //}O(N*N)
    //N N-1 N-2 ...
    return Fac(N-1)*N;
}//O(N)

上述递归函数中：每次Fac调用时，N简易，直至N==0，故N自减了N次，为O(N)的时间复杂度。

递归算法的时间复杂度：

如果每次函数调用是O(1)，就看函数的递归次数
如果每次函数调用不是O(1)，就看函数递归调用次数及函数内部调用次数的累加

示例九：斐波那契算法时间复杂度

//斐波那契
long long Fib(size_t N){
    if(N < 3){
        return 1;
    }
    return Fib(N-1)+Fib(N-2);
}
//1+2+4+8....+2^(N-2)
//级别为：2^N

斐波那契图：
在这里插入图片描述

空间复杂度

空间复杂度也是一个数学函数表达式，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

空间复杂度算的是变量的个数

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，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。

示例一：冒泡排序空间复杂度

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;
        }
    }
}
//3个空间：exchange end i
//O(1) --- 常数

上述冒泡排序函数中：函数执行过程中共开辟三个变量空间：变量i，变量exchange，变量end，3为常数，故为O(1)的时间复杂度。

示例二：变长数组的空间复杂度

int missingNumber(int* nums,int numsSize){
    int a[numsSize];//变长数组
    //...
}
//O(N) --- 线性变化，所以为O(N)量级

上述函数中：函数执行过程中共开辟numsSize个变量空间，但numsSize的值不确定，为线性变化，故为O(N)的时间复杂度。

示例三：斐波那契使用循环变形

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;
}
//n+1 指针fibArray i
//O(N)

上述函数中：函数执行过程中共开辟n+1个变量空间，但n的值不确定，为线性变化，故为O(N)的空间复杂度。

示例四：递归函数的空间复杂度

long long Fac(size_t N){
    if(N==1){
        return 1;
    }
    return Fac(N-1)*N;
}
//建立栈帧
//O(N)

long long Fib(size_t N){
    if(N < 3){
        return 1;
    }
    return Fib(N-1) + Fib(N-2);
}
//O(N)

上述函数中：函数执行过程中建立栈帧，递归调用结束后释放空间，故为O(N)的空间复杂度。

时间是累计的，不可复用，空间可以重复利用
递归函数中空间使用栈帧，每次递归调用后空间释放

常见复杂度

5201314	O(1)	常数阶
3n+4	O(N)	线性阶
3n^2+4n+5	O(N^2)	平方阶
3log(2)n+4	O(logN)	对数阶
2n+3nlog(2)n+14	O(NlogN)	NlogN阶
n^3 +2n^2+4n+6	O(N^3)	立方阶
2^n	O(2^N)	指数阶