《算法的时间复杂度和空间复杂度（二）》

各位帅哥靓女们，我是猪猪，这期给大家带来的是《算法的时间复杂度和空间复杂度（二）》，也就是带带大家看看更多的关于空间复杂度的内容，老规矩，如果猪猪有哪里说的不对的地方还请于评论区斧正，如果觉得猪猪讲的还可以的话，还请给猪猪一键三连，毕竟猪猪码字不易。

【一】何为空间复杂度

其实空间复杂度可以类比时间复杂度，但是空间这两个字我们一看就知道这其实就是一个算法占用临时空间的量度，空间复杂度并不是说程序占用了多大的空间，因为这个也没有意义，一个相同的算法在不同的架构下实现所需要的空间大小是不一样的所以空间复杂度就是讲你开辟的空间数学化。计算出表达式的步骤和时间复杂度是相同的，也使用大O渐进表示法。

tips：函数运行时所需要的栈空间（储存参数，局部信息，一些寄存器信息），在编译期间就确定好了，因此空间复杂度主要通过函数在运行的时候额外申请的空间来确定，基本上额外空间你可以认定为malloc，realloc，calloc和函数调用时的系统开销。

示例1：也就是我们熟系的老朋友冒泡排序

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;
 }
}

这个函数显而易见，没有涉及任意的额外空间，所以空间复杂度为O(1)。

示例2：也就是斐波那契数列

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;
}

显而易见这个函数malloc出了n+1个long long类型的空间，但是根据大O渐进表示法可以计算出这个函数的空间复杂度为O（n）。

示例3：也就是递归计算斐波那契数列

long long Fac(size_t N)
{
 if(N == 0)
 return 1;
 
 return Fac(N-1)*N;
}

这个可以看出来，斐波那契函数一共调用了N次，且每次内部空间开销为0，所以只有N次函数本生的开销，所以使用大O渐进表示法则算出这个空间复杂度为O(N)。

以上就是这期猪猪的全部内容了，觉得猪猪写的还不错的还请一键三连，毕竟猪猪码字不易，你们的攒和关注就是对猪猪的最好鼓励。