算法的时间复杂度和空间复杂度

目录

1.数据结构介绍：

1.数据结构和数据库的区别：

 2.算法是什么：

3.数据结构和算法的重要性 ：

2.算法效率

2.1 算法的复杂度

3.时间复杂度

3.1 时间复杂度的概念

3.2 大O的渐进表示法:

 4.空间复杂度

5. 常见复杂度对比 

---

1.数据结构介绍：

1.数据结构和数据库的区别：

本质都是存储管理数据

数据结构---在内存中存储管理数据

数据库---在磁盘中存储管理数据

 2.算法是什么：

算法是对数据按要求进行某种处理、查找、排序。

3.数据结构和算法的重要性 ：

数据结构和算法，你中有我，我中有你

2.算法效率

2.1 算法的复杂度

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。 在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很是在乎。但是经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以我们如今已经不需要再特别关注一个算法的空间复杂度。

3.时间复杂度

3.1 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试吗？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。一个执行次数，不一定是一条语句，可能是多条语句，但是是常数条

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。

F（N）=N*N+2*N+10;  准确时间表达式

实际中我们计算时间复杂度时，我们其实并不一定要计算精确的执行次数，而只需要 大概执行次数，那么这 里我们使用大 O 的渐进表示法

3.2 大O的渐进表示法:

(大概估算，方便比较，展示次数)

大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。

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。(只要是一个固定的数则恒为)

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。

使用大 O 的渐进表示法以后， Func1的时间复杂度为()

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行次数。

另外有些算法的时间复杂度存在最好、平均和最坏情况：

1. 最坏情况：任意输入规模的最大运行次数(上界)
2. 平均情况：任意输入规模的期望运行次数
3. 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

1. 最好情况：1次找到
2. 最坏情况：N次找到
3. 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)

// 计算Func3的时间复杂度？
void Func3(int N, int M) {
 int count = 0;
 for (int k = 0; k < M; ++ k)
 {
 ++count;
 }
 for (int k = 0; k < N ; ++ k)
 {
 ++count;
 }
 printf("%d\n", count);
}
M>>N 
O(M)
M<<N
O(N)
无说明则为
O(M+N)

 // 计算strchr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;

作用：字符串中查找一个字符

// 计算BubbleSort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;
 }
}

 算时间的复杂度不能去数循环，这个不一定准确，一定要看算法思想来计算

冒泡排序法：;

最好的情况：

// 计算BinarySearch的时间复杂度？
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; }

最好：

最差：===>//仅有以2为底的才可以有此简写

总数：N

N/2/2/2/2..../2=1最差

折半多少次就除了多少个2

假设除了x个2则为：

// 计算阶乘递归Fac的时间复杂度？
long long Fac(size_t N) {
 if(0 == N)
 return 1;
 
 return Fac(N-1)*N; 
}

 对一个程序要看功能，代码目的是求n的阶乘，所以要求n次故为

 4.空间复杂度

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。

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。

// 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;
 }
}

 空间复杂度为

该代码并未开发新的空间只是在原来的空间内进行排序，每次循环用的是一块空间

// 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; }

  空间复杂度为

递归调用，每次出去找一块栈帧来进行新的运算，相当于每次建立一个空间，大小为,共N+1个

5. 常见复杂度对比