【数据结构】——时间复杂度、空间复杂度(下)

2022-05-11 115

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 【数据结构】——时间复杂度、空间复杂度(下)

✨四、时间复杂度

1.时间复杂度表示

因为在不同的硬件电路中，同一个程序编译花费的时间是不同的，因此，计算时间复杂度不能直接计算程序运行花费的时间，而算法中的基本操作的执行次数，就是算法的时间复杂度。时间复杂度用大写字母O加上( )表示，即O( );

2.大O的渐进表示法

推导大O阶方法：

用常数1取代运行时间中的所有加法常数。
在修改后的运行次数函数中，只保留最高阶项。
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。

请计算下列代码的时间复杂度：

//例1
void fun1(int n)
{
    int count = 0;
    for (int i = 0; i < n; i++)
    {
        for (int j = 0; j < n; j++)
        {
        ++count;
        }
    }
    
    for (int i = 0; i < 2 * n; i++)
    {
        ++count;
    }
    
    int M = 10;
    while (M--)
    {
        ++count;
    }
    printf("%d", count);
}

Func1执行的基本操作次数：

$F(N)=N^2+2*N+10$

N = 10 F(N) = 130
N = 100 F(N) = 10210
N = 1000 F(N) = 1002010

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。

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。
因此这个程序的时间复杂度可以表示为：

$O(N^2)$

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)

练习题

题目1：

//例1
void fun2(int n)
{
    int count = 0;
    for (int i = 0; i < 2 * n; i++)
    {
        ++count;
    }
    int M = 10;
    while (M--)
    {
        ++count;
    }
    printf("%d", count);
}

此时算法的执行次数是2N+10次，通过推导大O的渐进表示法 时间复杂度是O(N)

题目2

//例2
void fun3(int N,int M)
{
    int count = 0;
    for (int i = 0; i < N; i++)
    {
        ++count;
    }
    for (int i = 0; i < M; i++)
    {
        ++count;
    }
    printf("%d", count);
}

此时算法的执行次数是M+N次，有两个未知数，时间复杂度是O(M+N);
如果给了条件：

M远大于N，时间复杂度是O(M);
M，N大小差不多，时间复杂度是O(M)或O(N);

题目3：

执行次数为100次为是常数，所以时间复杂度为O( 1 )

题目4

//例4
const char* strchr(const char* str, char character)
{
    while (*str != '\0')
    {
        if (*str == character)
            return str;

        ++str;
    }
    return NULL;
}

sttrchr是在一个字符串中查找一个字符，查找次数最好O(1)，最坏O(2)，根据大O的渐进表示法所以时间复杂度为O(N)

题目5

//例5 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 = n; i > end; ++i)
        {
            if (a[i - 1] > a[i])
            {
                Swap(&a[i - 1], &a[i]);
                exchange = 1;
            }
        }
        if (exchange == 0)
            break;
    }
}

因为比较的数字是n-1,n-2,n-3…3,2,1反过来就是1,2，3，…，n-3，n-2,n-1规律就是一个等差数列根据等差数列求和公式(n^2+n)/2，

那么根据大O的渐进表示法就是O(N ^ 2)

题目6

//例6
//有序数组二分查找
int BinarySearch(int* a, int n, int x)
{
    assert(a);
    int begin = 0;
    int end = n;
    while (begin < end)
    {
        int mid = begin + ((end - begin) >> 1);
        if (a[mid] < x)
            begin = mid + 1;
        else if (a[mid] > x)
            end = mid;
        else
            return mid;
    }
    return -1;
}

在一个有序的数组中一直二分直到找到要找的那个数字,那么n/2/2/2…=1,那么就可以变换为2^x=n,那么x就是log以2为底，n的次方，时间复杂度就是

$O(log2^N)$

题目7

这题N是不是要递归到1才停止递归，那么就是递归N次。

这个题目求N阶层,那么算法的执行次数就是N，时间复杂度就是O(N)

递归复杂度=递归次数*每次递归函数次数

题目8：

大O的渐进表示法时间复杂度是O(2^N)

画图分析：

【数据结构】——时间复杂度、空间复杂度_时间复杂度_02

非递归算法 O(n)=n

⌚五.空间复杂度

1.空间复杂度表示

空间复杂度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，即在函数中有几个临时变量

2.空间复杂度经典题目

题目1

void BUbbleSort(int* a, int n)
{
    assert(a);
    for (size_t end = n; end > 0; --end)
    {
        int exchange = 0;
        for (size_t i = n; i > end; ++i)
        {
            if (a[i - 1] > a[i])
            {
                Swap(&a[i - 1], &a[i]);
                exchange = 1;
            }
        }
        if (exchange == 0)
            break;
    }
}

使用了5个( 常数 )个额外空间，所以空间复杂度为 O(1)

题目2

// 计算Fibonacci的空间复杂度？
long long* Fibonacci(size_t n)
{
    if (n == 0)
        return NULL;
    //动态开辟了n+1个空间
    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;
}

这里动态开辟了n+1个空间，所以空间复杂度是O(N)。

题目3：

里递归每次调用一次函数，就会开辟一次栈帧，每个栈帧使用了常数个空间，所以空间复杂度为O(N)

【数据结构】——时间复杂度、空间复杂度(下)

✨四、时间复杂度

1.时间复杂度表示

2.大O的渐进表示法

练习题

⌚五.空间复杂度

1.空间复杂度表示

2.空间复杂度经典题目

热门文章

最新文章

相关课程

相关电子书