前言
本篇介绍时间复杂度和空间复杂度相关问题,主要用常见的例子分析,循环、递归、斐波那契、阶乘、冒泡排序、二分查找等。
一、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资源一般衡量一个算法的好坏,一般从时间和空间两个维度来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的额外空间。但随着计算机的发展,存储容量已经达到了很高的程度,所以我们如今不是很关注空间复杂度,经常会以空间换时间。
二、时间复杂度
1.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去测试吗?这样是不太麻烦了,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执行次数成正比,算法中的基本操作执行次数,为算法的时间复杂度。
2.时间复杂度的表示
我们一般用大O渐进表示法描述时间复杂度简单的说大0表示法就是,计算出来的运算次数的最高阶项。
一般情况下我们关注的是算法的最坏运行情况。
3.常见问题时间复杂度分析
void test1(int N)
{
int count = 0;
for (int k = 0; k < 2 * N; ++k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
执行了2*N+10次,时间复杂度O(N)
void test2(int M,int N)
{
int count = 0;
for (int k = 0; k < M; ++k)
{
++count;
}
for (int k = 0; k < N; ++k)
{
++count;
}
printf("%d\n", count);
}
时间复杂度O(M+N)
void test3(int N)
{
int count = 0;
for (int k = 0; k < 100; ++k)
{
++count;
}
printf("%d\n", count);
}
时间复杂度O(1)(执行了100次)
long long Fib(size_t N)
{
if (N < 3)
return 1;
return Fib(N - 1) + Fib(N - 2);
}
这是一个斐波那契数列,时间复杂度特大为O(2^N)
这个算法实际上只有理论意义,几乎没啥现实意义,算法复杂度太大
可以用很多方法去替代这个,例如循环迭代,动态规划等
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;
}
}
显然这是一个冒泡排序时间复杂度为O(N^2)
int BinarySearch(int* a, int n, int x)
{
assert(a);
int begin = 0;
int end = n - 1;
// [begin, end]:begin和end是左闭右闭区间,因此有=号
while (begin <= end)
{
int mid = begin + ((end - begin) >> 1);
if (a[mid] < x)
begin = mid + 1;
else if (a[mid] > x)
end = mid - 1;
else
return mid;
}
return -1;
}
显然为二分查找,时间复杂度为O(logN)
二分查找是个很厉害的算法,
但是缺点也很明显,
查找要先排序,还有要保证数据地址连续
三、空间复杂度
1.空间复杂度定义
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。
2.空间复杂度的特点
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。
3.常见问题空间复杂度分析
void BubbleSort(int* a, int n)
{
assert(a);//指针解引用要先断言,防止指针为空
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;
}
}
}
空间复杂度O(1) 为常数
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;
}
开辟了N个空间,时间复杂度O(N)
//如何计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{
if (N == 0)
return 1;
return Fac(N - 1) * N;
}
时间复杂度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。
注:作者水平有限,如有错误,敬请指正!!!