mirror of
https://github.com/halfrost/LeetCode-Go.git
synced 2025-07-04 16:12:47 +08:00
128 lines
4.4 KiB
Markdown
128 lines
4.4 KiB
Markdown
# 时间复杂度和空间复杂度
|
||
|
||
|
||
## 一. 时间复杂度数据规模
|
||
|
||
1s 内能解决问题的数据规模：10^6 ~ 10^7
|
||
|
||
- O(n^2) 算法可以处理 10^4 级别的数据规模(保守估计，处理 1000 级别的问题肯定没问题)
|
||
- O(n) 算法可以处理 10^8 级别的数据规模(保守估计，处理 10^7 级别的问题肯定没问题)
|
||
- O(nlog n) 算法可以处理 10^7 级别的数据规模(保守估计，处理 10^6 级别的问题肯定没问题)
|
||
|
||
| | 数据规模|时间复杂度 | 算法举例|
|
||
|:------:|:------:|:------:|:------:|
|
||
|1|10|O(n!)|permutation 排列|
|
||
|2|20~30|O(2^n)|combination 组合|
|
||
|3|50|O(n^4)|DFS 搜索、DP 动态规划|
|
||
|4|100|O(n^3)|任意两点最短路径、DP 动态规划|
|
||
|5|1000|O(n^2)|稠密图、DP 动态规划|
|
||
|6|10^6|O(nlog n)|排序，堆，递归与分治|
|
||
|7|10^7|O(n)|DP 动态规划、图遍历、拓扑排序、树遍历|
|
||
|8|10^9|O(sqrt(n))|筛素数、求平方根|
|
||
|9|10^10|O(log n)|二分搜索|
|
||
|10|+∞|O(1)|数学相关算法|
|
||
|----------------|----------------|------------------------------------------------------------------|--------------------------------|
|
||
|
||
|
||
一些具有迷惑性的例子：
|
||
|
||
```c
|
||
void hello (int n){
|
||
|
||
for( int sz = 1 ; sz < n ; sz += sz)
|
||
for( int i = 1 ; i < n ; i ++)
|
||
cout << "Hello" << endl;
|
||
}
|
||
```
|
||
|
||
上面这段代码的时间复杂度是 O(nlog n) 而不是 O(n^2)
|
||
|
||
```c
|
||
bool isPrime (int n){
|
||
|
||
for( int x = 2 ; x * x <= n ; x ++ )
|
||
if( n % x == 0)
|
||
return false;
|
||
return true;
|
||
}
|
||
```
|
||
|
||
上面这段代码的时间复杂度是 O(sqrt(n)) 而不是 O(n)。
|
||
|
||
再举一个例子，有一个字符串数组，将数组中的每一个字符串按照字母序排序，之后再将整个字符串数组按照字典序排序。两步操作的整体时间复杂度是多少呢？
|
||
|
||
如果回答是 O(n*nlog n + nlog n) = O(n^2log n)，这个答案是错误的。字符串的长度和数组的长度是没有关系的，所以这两个变量应该单独计算。假设最长的字符串长度为 s，数组中有 n 个字符串。对每个字符串排序的时间复杂度是 O(slog s)，将数组中每个字符串都按照字母序排序的时间复杂度是 O(n * slog s)。
|
||
|
||
将整个字符串数组按照字典序排序的时间复杂度是 O(s * nlog n)。排序算法中的 O(nlog n) 是比较的次数，由于比较的是整型数字，所以每次比较是 O(1)。但是字符串按照字典序比较，时间复杂度是 O(s)。所以字符串数组按照字典序排序的时间复杂度是 O(s * nlog n)。所以整体复杂度是 O(n * slog s) + O(s * nlog n) = O(n\*slog s + s\*nlogn) = O(n\*s\*(log s + log n))
|
||
|
||
## 二. 空间复杂度
|
||
|
||
递归调用是有空间代价的，递归算法需要保存递归栈信息，所以花费的空间复杂度会比非递归算法要高。
|
||
|
||
```c
|
||
int sum( int n ){
|
||
assert( n >= 0 )
|
||
int ret = 0;
|
||
for ( int i = 0 ; i <= n ; i++)
|
||
ret += i;
|
||
return ret;
|
||
}
|
||
```
|
||
|
||
上面算法的时间复杂度为 O(n)，空间复杂度 O(1)。
|
||
|
||
```c
|
||
int sum( int n ){
|
||
assert( n >= 0 )
|
||
if ( n == 0 )
|
||
return 0;
|
||
return n + sum( n - 1);
|
||
}
|
||
```
|
||
|
||
上面算法的时间复杂度为 O(n)，空间复杂度 O(n)。
|
||
|
||
## 三. 递归的时间复杂度
|
||
|
||
### 只有一次递归调用
|
||
|
||
如果递归函数中，只进行了一次递归调用，且递归深度为 depth，在每个递归函数中，时间复杂度为 T，那么总体的时间复杂度为 O(T * depth)
|
||
|
||
举个例子：
|
||
|
||
```c
|
||
int binarySearch(int arr[], int l, int r, int target){
|
||
if( l > r)
|
||
return -1;
|
||
int mid = l + (r-l)/2;//防溢出
|
||
if(arr[mid] == target)
|
||
return mid;
|
||
else if (arr[mid]>target)
|
||
return binarySearch(arr,l,mid-1,target);
|
||
else
|
||
return binarySearch(arr,mid+1,r,target);
|
||
}
|
||
|
||
```
|
||
|
||
在二分查找的递归实现中，只递归调用了自身。递归深度是 log n ，每次递归里面的复杂度是 O(1) 的，所以二分查找的递归实现的时间复杂度为 O(log n) 的。
|
||
|
||
|
||
### 只有多次递归调用
|
||
|
||
针对多次递归调用的情况，就需要看它的计算调用的次数了。通常可以画一颗递归树来看。举例：
|
||
|
||
```c
|
||
int f(int n){
|
||
assert( n >= 0 );
|
||
if( n ==0 )
|
||
return 1;
|
||
return f( n - 1 ) + f ( n - 1 );
|
||
|
||
```
|
||
|
||
上述这次递归调用的次数为 2^0^ + 2^1^ + 2^2^ + …… + 2^n^ = 2^n+1^ - 1 = O(2^n)
|
||
|
||
|
||
> 关于更加复杂的递归的复杂度分析，请参考，主定理。主定理中针对各种复杂情况都给出了正确的结论。
|