数据结构-复杂度计算经典案例
具体关于:时间复杂度和空间复杂度的概念讲解和规则,请老铁们移步我的上一篇文章!# 数据结构之时间复杂度和空间复杂度
时间复杂度经典例题分析
规则
例题1:循环
void Func1(int N)
{
int count = 0;
for (int k = 0; k < 2 * N; ++k)
{
++count;
}
int M = 10;
while (M--)
{
++count;
}
printf("%d\n", count);
}
共执行2*N+10次
常数可以忽略不计 O(2*N+10) ==>O(N)
时间复杂度为:O(N)
例题2:循环
void Func2(int N, int M)
{
int count = 0;
for (int k = 0; k < M; ++k)
{
++count;
}
for (int k = 0; k < N; ++k)
{
++count;
}
printf("%d\n", count);
}
共执行M+N次,由于M和N的大小未知,所以时间复杂度为:O(M+N)
- 情况1:M>>>N,则时间复杂度为:O(M)
- 情况2:N>>>M,则时间复杂度为:O(N)
- 情况3:M和N差不多大 则时间复杂度为:O(M)或者O(N)
例题3:循环
void Func3(int N)
{
int count = 0;
for (int k = 0; k < 100; ++k)
{
++count;
}
printf("%d\n", count);
}
共执行100次,常数次->时间复杂度为0(1)
O(1)不是代表算法运行一次,而是常数次
例题4:strchr
strchr作用:在字符串中查找字符
返回字符第一次出现的位置,找不到返回NULL
模拟实现strchr
#include<stdio.h>
#include<assert.h>
char* my_strchr(const char* str, char c)
{
assert(str);
char* tmp = str;
while (*tmp)
{
if (*tmp == c)
{
return tmp;
}
else
{
tmp++;
}
}
return NULL;
}
int main()
{
char* str = "Mangoa";
printf("%s\n", my_strchr(str, 'a'));
return 0;
}
回到正题:
// 计算strchr的时间复杂度?
const char * strchr(const char * str, int character);
最好情况:1次找到
平均情况:找了N/2次
最坏情况:找了N次
当一个算法随着输入不同,时间复杂度不同,时间复杂度做悲观预测,看最坏情况。
所以时间复杂度为O(N)
例题5:冒泡排序
冒泡排序思想:相邻元素进行比较
void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i - 1] > a[i])
{
Swap(&a[i - 1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
每一趟冒泡排序可以让一个数在应该在的位置,每一趟可以排序好一个元素,有N个数,只需只需N-1次即可
第一趟:比较N-1个数
第二趟:比较N-2个数
…
第N-1趟:比较1个数
等差数列:F(N) = N*(N-1)/2
所以时间复杂度为:0(N^2)
例题6:二分查找(折半查找)
二分查找:每次减少1/2的查找范围,直到找到/找不到
int BinarySearch(int* a, int n, 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;
else
return mid;
}
return -1;
}
关于二分查找
前提:有序
在1000个数中找1个数 ->最坏查找次数:10次
在100W个数中找1个数 ->最坏查找次数:20次
在10亿个数中找1个数 ->最坏查找次数:30次
2^10 = 1024
2^20 约等于100W 实际大于100W
2^30 约等于10亿
问:在14亿有序的人口中查找一个人,最多查找多少次
31次, 2^31 约等于20亿
递归算法如何计算时间复杂度:
递归次数*每次递归调用的次数
例题7:阶乘递归
// 计算阶乘递归Fac的时间复杂度?
long long Fac(size_t N)
{
if (0 == N)
return 1;
return Fac(N - 1)*N;
}
例题8:斐波那契数列
// 计算斐波那契递归Fib的时间复杂度?
long long Fib(size_t N)
{
if (N < 3)
return 1;
return Fib(N - 1) + Fib(N - 2);
}
虽然F(n-1)和F(n-2)都在F(N)的递归里面,但是他们不是同时调用的,是先调用完F(n-1)之后再调用F(n-2)
所以递归调用的次数为:1
空间复杂度经典例题分析
例题1:冒泡排序
// 计算BubbleSort的空间复杂度?
void BubbleSort(int* a, int n)
{
assert(a);
for (size_t end = n; end > 0; --end)
{
int exchange = 0;
for (size_t i = 1; i < end; ++i)
{
if (a[i - 1] > a[i])
{
Swap(&a[i - 1], &a[i]);
exchange = 1;
}
}
if (exchange == 0)
break;
}
}
额外开辟常量个空间:i和exchange和end
每次进入内循环时,exchange变量和i变量创建空间,出了内循环后,空间销毁。然后不断循环n次。**再一次创建是在同一个地方创建,本质上相当于没有销毁。**只占了那一个空间,所以时间复杂度是O(1)而不是O(N),
例题2:斐波那契数列-循环版
// 计算Fibonacci的空间复杂度?
// 返回斐波那契数列的前n项
long long* Fibonacci(size_t n)
{
if (n == 0)
return NULL;
long long * fibArray = (long long *)malloc((n + 1) * sizeof(long long));
fibArray[0] = 0;
fibArray[1] = 1;
for (int i = 2; i <= n; ++i)
{
//后一个数等于前两个数之和
fibArray[i] = fibArray[i - 1] + fibArray[i - 2];
}
return fibArray;
}
额外开辟了n+1个空间的数组,空间复杂度为:0(N)
时间复杂度也是0(N),循环共执行了N-1次
例题3:求n的阶乘-递归
==递归中:栈帧的消耗看递归的深度==
// 计算阶乘递归Fac的空间复杂度?
long long Fac(size_t N)
{
if (N == 0)
return 1;
return Fac(N - 1)*N;
}
==每次递归调用都开辟函数栈帧==,共开辟N个栈帧,每个栈帧使用了常数个空间。所以空间复杂度为:O(N)
经典名句:空间是可以重复利用的,但是时间是一去不复返的
例题4:斐波那契数列-递归版
// 计算斐波那契递归Fib的空间复杂度?
long long Fib(size_t N)
{
if (N < 3)
return 1;
return Fib(N - 1) + Fib(N - 2);
}
最多创建N个栈帧,后序开辟的都不会比N多
所以空间复杂度为:O(N)
==递归中:栈帧的消耗看递归的深度==
常见复杂度对比
时间复杂度和空间复杂度例题就讲解到这里啦,如果对你有所帮助的话,欢迎三连支持一下博主!欢迎各位大佬批评指正!
- 点赞
- 收藏
- 关注作者
评论(0)