数据结构【时间复杂度、空间复杂度--1】

目录

数据结构前言

1.算法的复杂度

2.时间复杂度

2.1 时间复杂度的概念

2.2 大O的渐进表示法

2.3 时间复杂度存在最好、平均和最坏情况

2.4 常见时间复杂度计算举例

3.空间复杂度

注意：时间累积（一去不复返），空间不累计（可重复利用）

4. 常见时间复杂度以及复杂度oj练习

---

数据结构前言

什么是数据结构？

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。

什么是算法？

算法(Algorithm):就是定义良好的计算过程，他取一个或一组的值为输入，并产生出一个或一组值作为输出。简单 来说算法就是一系列的计算步骤，用来将输入数据转化成输出结果。

---

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。

---

2.时间复杂度

2.1 时间复杂度的概念

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。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。

请计算一下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);
}

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。

                                

N=10	F（N）= 130
N=100	F（N）= 10210
N=1000	F（N）= 1002010
N=10000	F（N）= 100,020,010

我们可以发现，当N越大，2*N+10对结果的影响就越小，N^2占结果的大头。如果我们用F（N）表示时间复杂度，每个算法都需要仔细地求出对应函数十分的复杂，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(估算数量级)，于是我们使用大O的渐进表示法。

---

2.2 大O的渐进表示法

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

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：O（N^2）

N=10	F（N）= 100
N=100	F（N）= 10,000
N=1000	F（N）= 1,000,000
N=10000	F（N）= 100,000,000

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

计算Func3的时