1. 数据结构初阶——时间复杂度和空间复杂度

wshuoi

已于 2022-11-17 16:58:37 修改

阅读量388

点赞数

分类专栏：数据结构学习之路文章标签：数据结构算法

于 2022-11-16 17:03:20 首次发布

本文链接：https://blog.csdn.net/wshuoi/article/details/127887821

版权

数据结构学习之路专栏收录该内容

17 篇文章 1 订阅

订阅专栏

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。本文重点介绍算法的时间复杂度。

算法中的基本操作的执行次数，为算法的时间复杂度。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。

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。

// 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 执行的基本操作次数：F(N) = N^2 + 2*N + 10，使用大O的渐进表示法以后，Func1的时间复杂度为：O(N^2)

如果一个函数的基本操作次数为：F(N) = a*N（a为任意常数），使用大O的渐进表示法以后，Fun时间复杂度为：O(N)

另外有些算法的时间复杂度存在最好、平均和最坏情况,在实际中一般情况关注的是算法的最坏运行情况。

一般算法常见的复杂度如下：

时间复杂度的计算中 $log_2N$ 可以简写成 log N，其他底数不能忽略！

递归时间按复杂度计算方法和技巧：每次递归调用（递归函数中）的执行次数的累加。

空间复杂度：

空间复杂度不是程序占用了多少bytes的空间，算的是变量的个数（额外开辟的变量）。空间复杂度计算规则基本跟时间复杂度类似，也使用大O渐进表示法。通常空间复杂度为O(1)或O(N)。

// 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;
   }
}

冒泡排序额外开辟size_t end， int exchange， size_t i三个变量，故空间复杂度为O(1)。