数据结构基础知识——时间复杂度和空间复杂度

一、时间复杂度与空间复杂度的作用

我们在编写程序时会涉及到各种算法，时间复杂度和空间复杂度的作用就是衡量一个算法的好坏，

其中，时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间（如遍历一个数组，数组元素所占空间为基本空间，不计入空间复杂度）。

=========================================================================

二、时间复杂度

2.1.时间复杂度的概念

算法中基本操作的执行次数，称为时间复杂度。

=========================================================================

2.2.大O的渐进表示法

我们可以计算一下下面的func1基本执行了多少次

 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--) > 0) {
            count++;
        }
        System.out.println(count);
    }

 对于第一个for循环，其中又包含了一个for循环，因此执行次数为N^2，对于第二个for循环，执行了2N次，对于第三个while循环，执行了10次。

故基本操作的执行次数为F(N)=N^2+2N+10；

！实际上我们在计算时间复杂度时，不需要计算出准确的执行次数，只需要大概的执行次数即可，因此我们使用了大O的渐进表示法。

=========================================================================

2.3.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。

如上述过程中，我们推导出执行次数F(N)=N^2+2N+10，因此这个算法的时间复杂度为 O(N^2) 。

！！！注意：有时候同一个程序中算法地执行次数可能不相同，例如在数组中遍历查找一个元素时，有可能循环一次就找到了，也有可能到最后才到，那这个时候算法地时间复杂度怎么算呢？实际上，我们所说的时间复杂度指的是最坏地运行情况下得出的，即遍历数组时的时间复杂度为O(N)。

=========================================================================

三、空间复杂度

空间复杂度的计算与时间复杂度相似，也是使用大O的渐进表示法，但是时间复杂度算的是算法中变量的个数（即内存开辟的次数）；

空间复杂度计算例题

1.

 void bubbleSort(int[] array) {
        for (int end = array.length; end > 0; end--) {
            boolean sorted = true;
            for (int i = 1; i < end; i++) {
                if (array[i - 1] > array[i]) {
                    Swap(array, i - 1, i);
                    sorted = false;
                }
            }
            if (sorted == true) {
                break;
            }
        }
    }

代码中一共有三个变量（end、sorted、i），因此空间复杂度为O(1)。

2.

 void bubbleSort(int[] array) {
        int[] fibonacci(int n) {
            long[] fibArray = new long[n + 1];
            fibArray[0] = 0;
            fibArray[1] = 1;
            for (int i = 2; i <= n ; i++) {
                fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
            }
            return fibArray;
        }

由于在该方法中，有创建了一个数组用来存放原来的数组，因此这里开辟了n+1个空间，还有一个变量i，因此开辟了n+2个空间，故空间复杂度为O(n)。

3.

long factorial(int N) {
  return N < 2 ? N : factorial(N-1)*N;
}

该方法一共递归了N次，因此空间复杂度为O(N)。