算法的时间复杂度和空间复杂度

目录

一：算法效率

二：时间复杂度

1.定义

 2.大O的渐进表示法

 <1>:例一

 <2>:例二

 <3>:例三

 <4>:例四 --- 计算strchr的时间复杂度

<5>:例五 --- 冒泡排序的时间复杂度

 <6>:例六 --- 二分查找的时间复杂度

 <7>:例七 --- 递归

<8>:例八 --- 斐波那契

三：空间复杂度

 1.示例一

 2.示例二

 3.示例三

 4.示例四

四：常见复杂度对比

---

---

 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。

---

一：算法效率

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。

二：时间复杂度

1.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。算法中的基本操作的执行次数，为算法的时间复杂度。 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。

---

 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。

 计算下列时间复杂度：

 <1>:例一

 <2>:例二

 

 <3>:例三

 <4>:例四 --- 计算strchr的时间复杂度

 strchr --- 在字符串中查找一个字符

---

有些算法的时间复杂度存在最好、平均和最坏情况：

最坏情况：任意输入规模的最大运行次数(上界)

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 ( 下界 )

例如：在一个长度为 N 数组中搜索一个数据 x

最好情况： 1 次找到

最坏情况： N 次找到

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)

---

<5>:例五 --- 冒泡排序的时间复杂度

 <6>:例六 --- 二分查找的时间复杂度

 <7>:例七 --- 递归

<8>:例八 --- 斐波那契

三：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。

---

 1.示例一

 2.示例二

 3.示例三

 4.示例四

#include<stdio.h>
void Func1()
{
	int a = 0;
	printf("%p\n", &a);
}

void Func2()
{
	int a = 0;
	printf("%p\n", &a);
}

int main()
{
	Func1();
	Func2();
	return 0;
}

四：常见复杂度对比

123456	O(1)	常数阶
2n+5	O（n）	线性阶
2n^2 + 6n + 9	O（n^2)	平方阶
3 log(2)n + 4	O(log n)	对数阶
2n + 3n log(2)n + 14	O(n log n)	n log n 阶
n^3 + 2n ^ 2 + 2n + 7	O(n^3)	立方阶
2^n	O(2^n)	指数阶