目录
前提:有一个问题-->我们遇到编程题,每个人都有每个人的解决想法,但是谁的想法更好呢?你不服他,他也不服你,咋办呢?
为了判断每个人的解题思路谁更优,引入了时间复杂度和空间复杂度!接下来我给各位小哥哥小姐姐分别谈一下其具体定义。
一、时间复杂度
时间复杂度的定义:在计算机科学中,算法的时间复杂是一个函数,它定量描述了算法的运行时间,一个算法执行所耗时间。
但是理论上说很难计算出执行时间,但是一个算法所花费的时间与其中语句的执行次数承正比例!所以将算法中的基本操作的执行次数作为算法的时间复杂度(主要计算的是循环、判断)。
但是在实际计算时间复杂度时,我们并不一定需要具体计算精确的执行次数,而只需要大概的估计一下执行次数,便引入了大O的渐近表示法。
- 大O的渐近表示法。
首先各位小哥哥小姐姐看一段C代码:
void fun(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<n;k++)
{
count++;
}
for(int m=0;m<10;m++)
{
count++;
}
}
计算一下fun函数的执行次数:F(N)=N²+2×N+10
- 大O的渐近表达式第一条规则:在修改后的运行次数函数中,只保留最高阶项。
所以将N无限渐近无穷大的话,N²明显是最能影响fun函数的执行次数的,所以fun函数的时间复杂度为:o(N²)
大家看另一个函数:
void fun(int n)
{
int count=0;
for(int m=0;m<10;m++)
{
count++;
}
}
计算一下fun函数的执行次数:F(N)=10
- 大O的渐近表达式第二条规则:用常数1取代运行时间中的所有加法常数。
所以此时fun函数的执行次数为10,她是一个常数,所以此时用大O渐近表示fun函数的时间复杂度为:O(1)
大家看再看另一个函数:
void fun(int n)
{
int count=0;
for(int m=0;m<n;m++)
{
count++;
}
for(int m=0;m<n;m++)
{
count--;
}
}
计算一下fun函数的执行次数:F(N)=2×N
- 大O的渐近表达式第三条规则:如果最高阶项存在且不是1,那么直接去除这个相乘的常数。所以此时fun函数的执行次数为2×N,2是一个常数,所以此时用大O渐近表示fun函数的时间复杂度为:O(N)
接下来谈一下二分查找:
int binaysearch(int* a,int x)
{
assert(a);
int begin=0;
int end=n-1;
while(begin<=end)
{
int mid=begin+((end-begin)>>1);
if(a[mid]<x)
begin=mid+1;
else if(a[mid]>x)
end=mid-1;
else
return mid;
}
return -1;
}
各位都知道最坏的二分查找结果就是直至找到最后一个数。假如有序数组有n个元素,那么每次除2直至得到1。这其中就用n除log以2为底n的次数。所以时间复杂度:O(logn)(2为底数可以省,其它则不能)。
第二个就是递归(每一次递归不含有循环),那么递归n次,其时间复杂度为:O(N)。那如果在每次循环中调用一个n循环,那么其时间复杂度:O(N²)。
二、空间复杂度
空间复杂度的定义: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。(简单点就是创建变量的次数)
空间复杂度计算规则与时间复杂度类似,也使用大O的渐近表示法。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)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示申请的额外空间确定。
void swap(int* nums,int numssize,int k)
{
k=k%numssize;
int now=0;
if(k==0)
{
return;
}
while(numssize-now>k)
{
int i=0;
for(i=0;i<k;i++)
{
int temp=*(nums+now+i);
*(nums+now+i)=*(nums+numssize-k+i);
*(nums+numssize-k+i)=temp;
}
now+=k;
}
}
这是一个将数组中的元素原地右转k个位置的函数,这是力扣的一道题,其代码的空间复杂度为O(1),因为在此函数中,创建了三个变量(now、i、temp),当然是不是看到在i和temp在循环中不断进行创建,但是重复创建同一个变量也只记为1.
所以根据大O渐近表示法第二条规则其空间复杂度为O(1)
三、总结
根据空间复杂度以及时间复杂度来分析一下斐波那契数列的实现。斐波那契数列在这里用两种方法实现。
第一种,使用递归实现:
size_t fun(int n)
{
if(n==1||n==2)
return 1;
else
return fun(n-1)+fun(n-2);
}
此时:因为创建了1到n重复利用空间,所以空间复杂度为O(N); 因为操作了差不多2^n次方次(实际比它小),所以时间复杂度为O(2^n)。
第二种,使用迭代实现:
int fun(int n)
{
int a=1;
int b=1;
int sum=1;
if(n<3)
{
return sum;
}
else
{
while(n>2)
{
sum=a+b;
a=b;
b=sum;
n--;
}
}
return sum;
}
此时:因为创建了a、b、sum三个变量,所以空间复杂度为O(1); 因为操作了3*n次,所以时间复杂度为O(n)。
兄弟们,写的不咋样,如果你全部看懂了,你水平一定比我高。