算法的时间复杂度和空间复杂度

目录

1.算法的效率

2.时间复杂度

3.空间复杂度

---

1.算法的效率

1.1 算法的复杂度

算法的复杂度是衡量算法执行时间和空间资源消耗的度量。它通常用大O符号表示。算法的复杂度可以分为时间复杂度和空间复杂度。

时间复杂度主要衡量一个算法运行的快慢，而空间复杂度则描述算法运行所需要的额外的空间。

2.时间复杂度

2.1时间复杂度的概念

时间复杂度的定义：在计算机科学中，时间复杂度是一个函数，它定量描述了算法的运行时间。它表示随着输入规模增加，算法执行时间的增长趋势。具体来说，时间复杂度描述的是算法执行所需的基本操作次数，而不是实际的执行时间。它可以帮助我们估计算法在不同规模输入下的执行时间。

// 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);
}

Func1执行的基本次数：

• N = 10                              F(N) = 130
• N = 100                            F(N) = 10210
• N = 1000                          F(N) = 1002010

在实际中，我们并不需要计算出精确的执行次数，只需要大概的执行次数，那么就使用大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:

                                                                       

大O的渐进表示法，可以去掉对结果影响不大的项。

算法的时间复杂度存在最好、平均和最坏情况：

最坏情况：任意输入规模最大的运行次数

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

3.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。

// 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;
	}
}

使用了常数个额外空间，所以空间复杂度为 O(1)

// 计算Fibonacci的空间复杂度？
// 返回斐波那契数列的前n项
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;
}

动态开辟了N个空间，空间复杂度为 O(N)

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。