一、时间复杂度
1）O(n)的含义
- 程序消耗的时间用算法的操作单元数来表示
- 假设数据的规模为n，则用f(n)表示操作单元数的大小，而f(n)常被简化
- O表示的是一般的情况，而不是上界或下界。并且它是在数据量级非常大的情况下所展现出的时间复杂度
- 因为O代表的是一个一般的情况，所以当用例不同时，算法的时间复杂度不同，需要具体分析
2）复杂表达式的简化
表达式简化遵循以下两个原则：
- 去掉常数项
- 只保留最高项
为例分析：
- 去掉常数项后为
- 只保留最高项后为
不难想象，当n趋一个非常大的数量级的时候，最高项将其决定性作用。但是若常数项也是一个非常大的数量级，那我们就不可以轻易将其舍去。
3）O(n)不一定优于O(n^2)
由上面简化法则我们可以看到，常数项是被忽略的，如
与
，当n < 20时前者的操作单位数是小于后者的。
所以在决定使用什么算法的时候并不是算法的时间复杂度越低越好，还需要考虑数据的规模
那为什么我们默认
时间复杂度低于
呢？正如前面提到的关于O的定义：它是在数据量级非常大的情况下所展现出的时间复杂度，所以我们默认前者的时间复杂度更优。
4）递归的时间复杂度
⭐递归的时间复杂度 = 递归次数 X 每次递归的操作次数。
现在我们从一道面试题来分析时间复杂度：求x的n次方
①直观的for循环遍历
int fuc1(int n)
{
int ret = 1;
for (int i = 1; i < n; i++)
ret *= i;
return ret;
}【分析】时间复杂度为O(n)，因为操作单元数为n次
②递归版本1
int fuc2(int n,int x)
{
if (n == 0)
return 1;
if (n == 1)
return x;
return x * fuc2(n - 1, x);
}【分析】递归次数为n次，每次相乘的时间复杂度为O(1)，所以时间复杂度仍为O(n)
③递归版本2
int fuc3(int n, int x)
{
if (n == 0)
return 1;
if (n == 1)
return x;
if (n % 2 == 1)
return fuc3(n / 2, x) * fuc3(n / 2, x) * x;//奇数次幂的情况
return fuc3(n / 2, x) * fuc3(n / 2, x); //偶数次幂的情况
}【分析】上面代码的时间复杂度为
吗？我们可以画二叉树来理解，以n = 16为例
每一个结点都表示需要进行一次递归，因此结点数代表着递归次数，所以先我们计算二叉树结点数
- 一颗满二叉树的结点数根据等比数列求和公式可以求出为：
（m为二叉树深度） - 二叉树深度m 计算公式：
（向下取整）
因为n为奇数时我们将其拆成偶数处理，如：
将深度公式代入结点总和公式我们可以得出， 节点数 = n - a（a为某个常数），所以时间复杂度还是
④递归版本3
int fuc4(int n, int x)
{
if (n == 0)
return 1;
else if (n == 1)
return 1;
int t = fuc4(n / 2, x);
if (n % 2 == 1)
return t * t * x;
return t * t;
}通过将递归操作抽离出来从而减少递归次数，我们真正实现了时间复杂度为
我们再分析一下求斐波那契数列函递归解法时间复杂度：
int fib(int n)
{
if (n <= 0)
return 1;
if (n == 1)
return 1;
return fib(n - 1) + fib(n - 2);
}同样的我们可以画二叉树来分析。求第k个斐波那契数，我们不难想象，我们将构造出一个深度为k的二叉树，深度为k的二叉树最多有
个结点，所以我们得出该算法的时间复杂度为
。优化的思路和上述求x的n次方的思路一样，主要是减少递归的调用次数
int fib(int first, int second, int n)
{
if (n <= 0)
return 0;
if (n < 3)
return 1;
else if (n == 3)
return first + second;
else
return fib(second, first + second, n - 1);
}二、空间复杂度
1）O(1)空间复杂度
程序占用空间不随n的变化而变化，即占用的空间是一个常数
for(int j = 0; j < n; j++)
{
j++;
}程序占用的空间与n无关，上图中之涉及为j分配内存空间，是一个固定的常量
2）O(n)空间复杂度
程序占用空间随n增长而线性增长；
int arr[n];3）O(mn)空间 复杂度
常常是定义一个二维集合，集合的大小与集合的长与宽相管
int arr[row * col];4）递归算法空间算法复杂度分析
⭐递归算法空间复杂度 = 每次递归的空间复杂度 X 递归深度（递归调用栈的最大长度）
我们同样来分析上面提到的求斐波那契数函数的空间复杂度：
int f(int n)
{
if (n <= 0)
return 1;
if (n == 1)
return 1;
return f(n - 1) + f(n - 2);
}
在递归的过程中依次将f(5)，f(4)， f(3)，f(2)，f(1)压栈，每一次调用所占用的空间都为所以占用的空间为
，所以上述代码的空间复杂度为
我们再来分析递归实现的二分查找的空间复杂度：
int binary_search(int arr[], int l, int r, int x)
{
if (r >= l)
{
int mid = l + (r - l) / 2; //避免先加后除产生溢出的错误
if (arr[mid] == x)
return mid;
else if (arr[mid] < x)
return binary_search(arr, mid + 1, r ,x);
else
return binary_search(arr, l, mid - 1, x);
}
return -1;
}每次递归所占用的空间都是一定的，所以每次递归的空间复杂度为
，而递归的最大深度为
，所以空间复杂度为
到此这篇关于C语言三分钟精通时间复杂度与空间复杂度的文章就介绍到这了,更多相关C语言 时间复杂度内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
