Polish the content

Polish the chapter preface, introduction and complexity anlysis
This commit is contained in:
krahets
2023-08-08 23:16:33 +08:00
parent 9ed16db68e
commit 932d14644d
26 changed files with 215 additions and 182 deletions

View File

@@ -1,24 +1,24 @@
# 空间复杂度
「空间复杂度 Space Complexity」用于衡量算法使用内存空间随着数据量变大时的增长趋势。这个概念与时间复杂度非常类似。
「空间复杂度 Space Complexity」用于衡量算法用内存空间随着数据量变大时的增长趋势。这个概念与时间复杂度非常类似,只需将“运行时间”替换为“占用内存空间”
## 算法相关空间
算法运行过程中使用的内存空间主要包括以下几种:
- 输入空间用于存储算法的输入数据。
- 暂存空间用于存储算法运行过程中的变量、对象、函数上下文等数据。
- 输出空间用于存储算法的输出数据。
- **输入空间**用于存储算法的输入数据。
- **暂存空间**用于存储算法运行过程中的变量、对象、函数上下文等数据。
- **输出空间**用于存储算法的输出数据。
通常情况下,空间复杂度统计范围是暂存空间」+「输出空间
一般情况下,空间复杂度统计范围是暂存空间”加上“输出空间
暂存空间可以进一步划分为三个部分:
- 暂存数据用于保存算法运行过程中的各种常量、变量、对象等。
- 栈帧空间用于保存调用函数的上下文数据。系统在每次调用函数时都会在栈顶部创建一个栈帧,函数返回后,栈帧空间会被释放。
- 指令空间用于保存编译后的程序指令,在实际统计中通常忽略不计。
- **暂存数据**用于保存算法运行过程中的各种常量、变量、对象等。
- **栈帧空间**用于保存调用函数的上下文数据。系统在每次调用函数时都会在栈顶部创建一个栈帧,函数返回后,栈帧空间会被释放。
- **指令空间**用于保存编译后的程序指令,在实际统计中通常忽略不计。
因此在分析一段程序的空间复杂度时,我们一般统计 **暂存数据、输出数据、栈帧空间** 三部分。
因此在分析一段程序的空间复杂度时,**我们通常统计暂存数据、输出数据、栈帧空间三部分**
![算法使用的相关空间](space_complexity.assets/space_types.png)
@@ -288,12 +288,14 @@
## 推算方法
空间复杂度的推算方法与时间复杂度大致相同,只将统计对象从“计算操作数量”转为“使用空间大小”。与时间复杂度不同的是,**我们通常只关注「最差空间复杂度」**,这是因为内存空间是一项硬性要求,我们必须确保在所有输入数据下都有足够的内存空间预留。
空间复杂度的推算方法与时间复杂度大致相同,只将统计对象从“计算操作数量”转为“使用空间大小”。
**最差空间复杂度中的“最差”有两层含义**,分别是输入数据的最差分布和算法运行过程中的最差时间点
而与时间复杂度不同的是,**我们通常只关注「最差空间复杂度」**。这是因为内存空间是一项硬性要求,我们必须确保在所有输入数据下都有足够的内存空间预留
- **以最差输入数据为准**。当 $n < 10$ 时,空间复杂度为 $O(1)$ ;但当 $n > 10$ 时,初始化的数组 `nums` 占用 $O(n)$ 空间;因此最差空间复杂度为 $O(n)$
- **以算法运行过程中的峰值内存为准**。例如,程序在执行最后一行之前,占用 $O(1)$ 空间;当初始化数组 `nums` 时,程序占用 $O(n)$ 空间;因此最差空间复杂度为 $O(n)$ 。
观察以下代码,最差空间复杂度中的“最差”有两层含义
1. **以最差输入数据为准**:当 $n < 10$ 时,空间复杂度为 $O(1)$ ;但当 $n > 10$ 时,初始化的数组 `nums` 占用 $O(n)$ 空间;因此最差空间复杂度为 $O(n)$ 。
2. **以算法运行中的峰值内存为准**:例如,程序在执行最后一行之前,占用 $O(1)$ 空间;当初始化数组 `nums` 时,程序占用 $O(n)$ 空间;因此最差空间复杂度为 $O(n)$ 。
=== "Java"
@@ -424,7 +426,10 @@
```
**在递归函数中,需要注意统计栈帧空间**。例如,函数 `loop()` 在循环中调用了 $n$ 次 `function()` ,每轮中的 `function()` 都返回并释放了栈帧空间,因此空间复杂度仍为 $O(1)$ 。而递归函数 `recur()` 在运行过程中会同时存在 $n$ 个未返回的 `recur()` ,从而占用 $O(n)$ 的栈帧空间。
**在递归函数中,需要注意统计栈帧空间**。例如以下代码:
- 函数 `loop()` 在循环中调用了 $n$ 次 `function()` ,每轮中的 `function()` 都返回并释放了栈帧空间,因此空间复杂度仍为 $O(1)$ 。
- 递归函数 `recur()` 在运行过程中会同时存在 $n$ 个未返回的 `recur()` ,从而占用 $O(n)$ 的栈帧空间。
=== "Java"
@@ -647,7 +652,7 @@
## 常见类型
设输入数据大小为 $n$ ,常见的空间复杂度类型有(从低到高排列)
设输入数据大小为 $n$ ,常见的空间复杂度类型有(从低到高排列)
$$
\begin{aligned}
@@ -660,7 +665,7 @@ $$
!!! tip
部分示例代码需要一些前置知识,包括数组、链表、二叉树、递归算法等。如果遇到看不懂的地方无需担心,可以在学习完后面章节后再来复习,现阶段我们先专注于理解空间复杂度的含义和推算方法
部分示例代码需要一些前置知识,包括数组、链表、二叉树、递归算法等。如果遇到看不懂的地方,可以在学习完后面章节后再来复习。
### 常数阶 $O(1)$
@@ -671,72 +676,96 @@ $$
=== "Java"
```java title="space_complexity.java"
[class]{space_complexity}-[func]{function}
[class]{space_complexity}-[func]{constant}
```
=== "C++"
```cpp title="space_complexity.cpp"
[class]{}-[func]{func}
[class]{}-[func]{constant}
```
=== "Python"
```python title="space_complexity.py"
[class]{}-[func]{function}
[class]{}-[func]{constant}
```
=== "Go"
```go title="space_complexity.go"
[class]{}-[func]{function}
[class]{}-[func]{spaceConstant}
```
=== "JS"
```javascript title="space_complexity.js"
[class]{}-[func]{constFunc}
[class]{}-[func]{constant}
```
=== "TS"
```typescript title="space_complexity.ts"
[class]{}-[func]{constFunc}
[class]{}-[func]{constant}
```
=== "C"
```c title="space_complexity.c"
[class]{}-[func]{func}
[class]{}-[func]{constant}
```
=== "C#"
```csharp title="space_complexity.cs"
[class]{space_complexity}-[func]{function}
[class]{space_complexity}-[func]{constant}
```
=== "Swift"
```swift title="space_complexity.swift"
[class]{}-[func]{function}
[class]{}-[func]{constant}
```
=== "Zig"
```zig title="space_complexity.zig"
[class]{}-[func]{function}
[class]{}-[func]{constant}
```
=== "Dart"
```dart title="space_complexity.dart"
[class]{}-[func]{function}
[class]{}-[func]{constant}
```
=== "Rust"
```rust title="space_complexity.rs"
[class]{}-[func]{function}
[class]{}-[func]{constant}
```