时间复杂度与空间复杂度

我们知道一个程序最核心的两部分是算法和数据结构，而算法的执行效率取决于时间效率和空间效率，这就引出了时间复杂度与空间复杂度的概念，下面我们来学习一下时间复杂度与空间复杂度

1.时间复杂度

1.1时间复杂度的概念
算法中的基本执行次数，为算法的时间复杂度

我们用大O的渐进表示法来表示时间复杂度

// 请计算一下Func1基本操作执行了多少次？
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)
}

Func1执行的基本次数为：F（N）=NN+2N+10
实际在计算时间复杂度时不需要一个精确的执行次数，只需要大概的执行次数，这里我们使用大O符号的渐进表示法

推导大O阶的方法：
1.用常数1代替运算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.如果最高项存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶，那么这里Func1的时间复杂度就为：Func1=O(N*N)

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.空间复杂度

空间复杂度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

//计算BubbleSort的空间复杂度
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; 
	}
}

由上面的大O渐进法可知它的空间复杂度为：使用了常数个额外空间，所以空间复杂度为 O(1)