时间复杂度与空间复杂度

 前言

        在了解了c/c++语言后，就开始了数据结构的学习。而学习数据结构的第一部就是去了解时间复杂度与空间复杂度。本文就浅谈一下两者相关的知识。

算法效率：

        一般的，我们把算法效率分为时间效率与空间效率。

        时间效率：

                指的是算法的执行速度或所需时间。时间效率高的算法能够在较短的时间内完成任务，或者在给定的时间内处理更多的数据。

                空间效率：

                指的是算法所需的存储空间或内存大小。空间效率高的算法需要较少的存储空间，因此在处理大量数据时可以减少对系统资源的需求。

复杂度：        

时间复杂度：

                时间复杂度是用来描述程序运行时间长短的指标，它通常与算法中的基本操作次数有关。一个算法执行所耗费的时间，从理论上说，是不能准确算出来的，只有把程序放在机器上运行起来，才能知道。但是，我们通常使用时间复杂度来评估算法的执行效率。

        时间复杂度可以用来比较不同算法的优劣。一般来说，时间复杂度越低的算法效率越高，因为它在执行过程中需要执行的操作次数较少。在选择算法时，我们通常会选择时间复杂度较低的算法，以提高程序的执行速度。

大O的线性表示法：

        一般的，我们用大O的线性表示法来表示代码的复杂度。

         接下来，我用兔子数列的代码为你演示如何计算时间复杂度。

#include <iostream>  
using namespace std;  
  
int fibonacci(int n) {  
    int a[n+1];  
    a[0] = 1;  
    a[1] = 1;  
    for (int i = 2; i <= n; i++) {  
        a[i] = a[i-1] + a[i-2];  
    }  
    return a[n];  
}  
  
int main() {  
    int n = 10; // 输出前10个兔子数列数  
    cout << fibonacci(n) << endl;  
    return 0;  
}

         此处代码的时间复杂度为O（n），应为在函数fibinacii中，循环函数for调用一次。故，时间复杂度为O(n).

        我们对大O的线性表示法的用法有以下规定：

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。

空间复杂度： 

        是算法在运行过程中使用的额外空间大小的度量。在计算机科学中，空间复杂度是一种评估算法效率的重要指标，它可以帮助我们了解算法所需的存储空间随输入规模增长的情况。

        空间复杂度通常通过算法执行过程中所使用的额外空间来计算。这包括算法在运行过程中创建的任何临时变量、数组或数据结构所需的空间。在分析空间复杂度时，我们通常关注算法在最坏情况下的空间使用情况，因为这提供了算法在最不利情况下的性能保证。

        空间复杂度的评估对于优化算法和数据结构的选取非常重要。在处理大规模数据时，我们通常希望选择空间复杂度较低的算法，以减少额外的存储需求并提高程序的运行效率。

接下来，依旧是用兔子数列去演示，但方法为函数递归：

#include <iostream>  
using namespace std;  
  
int fibonacci(int n) {  
    if (n == 0 || n == 1) {  
        return 1;  
    } else {  
        return fibonacci(n - 1) + fibonacci(n - 2);  
    }  
}  
  
int main() {  
    int n = 10; // 输出前10个兔子数列数  
    for (int i = 0; i < n; i++) {  
        cout << fibonacci(i) << " ";  
    }  
    cout << endl;  
    return 0;  
}

        在函数递归中，因为在不断递归，所开辟的栈也随之增加。因此，函数的空间复杂度为O(n)，二时间复杂度为O（1）。

        空间复杂度一般只有两种情况：
        创建了常数个变量：O(1)
        创建了N个变量：O(N)

以上就是本篇的全部内容。