目录
复杂度的概念
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
。
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。
时间复杂度:
时间复杂度的定义: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。
但是我们需要每个算法都上机测试吗?是可以都上机测试,但是这很麻烦,所以才有了时间复杂度这个 分析方式。一个算法所花费的时间与其中语句的执行次数成正比例,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。
例子:
例如:
F(N)为程序执行次数
F(N)=N^2+2*n+10
F(N)=N^2+2*n+10
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。
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,
F(N)
的时间复杂度为n^2。
通过上面我们会发现大
O
的渐进表示法
去掉了那些对结果影响不大的项
,简洁明了的表示出了执行次数。
另外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)
斐波那契数列
我们以斐波那契数列为例计算其复杂度
long long Fib(size_t N)
{
if(N < 3)
return 1;
return Fib(N-1) + Fib(N-2);
}
我们可知该数列只有当n等于1或2时才会返回1
其他情况则会拆分为fib(n-1)与fib(n-2)
那么,我们可以近似的认为:
F(n)=2F(n-1),F(n-1)=2F(n-2)
此为等比数列,那么斐波那契数列的时间复杂度即为2^n
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。
例子:
(1)
// 计算BubbleSort的空间复杂度?
void BubbleSort(int* a, int n)
{
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;
}
}
实例
1
使用了常数个额外空间,所以空间复杂度为
O(1)
(2)
// 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;
}
实例
2
动态开辟了
N
个空间,空间复杂度为
O(N)
(3)
// 计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{
if(N == 0)
return 1;
return Fac(N-1)*N;
}
实例
3
递归调用了
N
次,开辟了
N
个栈帧,每个栈帧使用了常数个空间。空间复杂度为
O(N)
常见的复杂度