数据结构之时间.空间复杂度分析
来源:互联网 发布:近年来重庆物流数据 编辑:程序博客网 时间:2024/05/01 04:17
在很多数据结构的面试题中看似简单,但是对题目的要求却挺高,主要就体现在复杂度分析方面。复杂度又分为时间复杂度和空间复杂度。
1.时间复杂度
时间复杂度实际就是函数,函数计算执行的基本操作次数 .
在进行时间复杂度分析时需注意:
1)时间复杂度强调的是函数执行的操作次数,这里的函数是指数学里面的函数,而不是C语法里的函数;
2)在实际中我们通常情况考量的是算法的最坏情况;
3)忽略掉常数;
4)关注运行时间的增长趋势,关注函数式中增长最快的表达式,忽略系数;
空间复杂度,它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。所以它强调的是使用的辅助空间的的大小,而不是指所有的数据所占用的空间。
要注意的是递归算法的空间复杂度,假如递归深度为N*每次递归的辅助空间大小,如果每次递归的辅助空间为常数,则空间复杂度为O(N)。
下面通过斐波那契数列对时间,空间复杂度进行分析一下:
1.
long long* fib(long long n){assert(n>=0);long long* ptr=new long long[n+1];ptr[0]=0;ptr[1]=1;for(int i=2;i<=n;++i){ptr[i]=ptr[i-1]+ptr[i-2];}return ptr;}对于这种算法,函数真正执行次数为n-1,所以忽略常数后,时间复杂度为O(n);
2.
long long fib(long long n){assert(n>=0);long long first=0;long long second=1;long long ret=0; for(int i=2;i<=n;i++){ret=first+second;first=second;second=ret;}return ret;}
这是非递归的另一种算法,函数真正执行次数依然为n-1,所以忽略常数后,时间复杂度还是O(n);
由于采用变量交换的方式,所以在这里辅助空间个数为一个常数,空间复杂度为O(1).
3.再看一下递归算法
#include<assert.h>#include<iostream>using namespace std;long long fib(long long n){assert(n>=0);return (n<2)?(n):(fib(n-1)+fib(n-2));}int main(){ long long value=fib(15);cout<< value <<endl;system("pause");return 0;}递归算法的时间复杂度计算方法是:递归总次数*每次递归次数;
最早斐波那契研究该数列时,为了描述清楚就以兔子生长情况为例:
.第一个月有一对刚诞生的兔子;
.第二个月后可生育;
.每月每对可生育的兔子会诞生下一对新兔子;
.假设兔子永不死去。
由上图可以得出斐波那契递归算法时间复杂度:O(2^N),空间复杂度为:O(N)
下面再看一个有关二分查找的的例子:
1.递归情况
int BinarySearch2(const int* ptr,const int x,const int left,const int right){int mid=(left+right)/2;while(left<=right){if(x<ptr[mid]){return BinarySearch2(ptr,x,left,mid-1);}else if(x>ptr[mid]){return BinarySearch2(ptr,x,mid+1,right);}return mid;}}
1)假设以最坏情况考虑,二分查找第一次在n/2中查找(n为元素个数);第二次在一半的一半中查找,即n/2/2=n/4;……第x次在n/2^x范围内查找,即2^x=n(x=log2^n),所以时间复杂度为O(log2^n).
2)递归情况下的空间复杂度:递归深度为N*每次递归的辅助空间大小,如果每次递归的辅助空间为常数,则空间复杂度为O(N)。2.非递归情况
int BinarySearch1(const int* ptr,const int x,const int len){int left=0;int right=len-1;int mid=(left+right)/2;while(left<=right){if(x<ptr[mid]){right=mid-1;}else if(x>ptr[mid]){left=mid+1;}else{return mid;}}return -1;}
对于非递归的二分查找与递归查找的时间复杂度一样的分析方法,所以时间复杂度为O(log2^n);
但是在这个过程中,辅助空间为常数级别,所以空间复杂度为O(1)
- 数据结构之时间.空间复杂度分析
- 数据结构之时间复杂度和空间复杂度
- 数据结构与算法笔记之--时间复杂度和空间复杂度
- 时间复杂度&空间复杂度分析
- 算法分析之时间复杂度与空间复杂度
- 数据结构 算法时间、空间复杂度
- 数据结构时间空间复杂度计算
- 数据结构方面时间复杂度~空间复杂度
- 时间复杂度和空间复杂度[数据结构]
- 【数据结构】-时间复杂度和空间复杂度
- 数据结构时间复杂度和空间复杂度
- 数据结构_时间复杂度和空间复杂度
- 数据结构之时间复杂度和空间复杂服
- 大话数据结构学习之(一) 时间空间复杂度
- 数据结构之时间复杂度
- 算法时间复杂度与空间复杂度分析
- 时间复杂度和空间复杂度分析
- 【数据结构】算法时间复杂度分析
- 从心起航
- Appium - iOS Mac环境搭建
- 使用hibernate生成表结构
- 实验楼Linux学习笔记(十)之文本处理命令
- Kali-linux安装更新
- 数据结构之时间.空间复杂度分析
- 一份比较好用的vim配置文件
- Appium - Android windows测试环境搭建
- hadoop NN元数据管理机制
- Hibernate中hibernate.cfg.xml核心配置文件配置
- JavaScript 变量、作用域和内存问题
- 面向对象_工具类中使用静态
- Oracle中创建dblink的方法
- 二分查找或插入