在很多資料結構的面試題中看似簡單，但是對題目的要求卻挺高，主要就體現在複雜度分析方面。複雜度又分為時間複雜度和空間複雜度。
1.時間複雜度
時間複雜度實際就是函式，函式計算執行的基本操作次數 .
在進行時間複雜度分析時需注意:
1)時間複雜度強調的是函式執行的操作次數，這裡的函式是指數學裡面的函式，而不是c語法裡的函式；
2)在實際中我們通常情況考量的是演算法的最壞情況；
3)忽略掉常數；
4)關注執行時間的增長趨勢，關注函式式中增長最快的表示式,忽略係數;
(比如：f(n)=10*n^3+50n+1000,其時間複雜度為o(n)=n^3)
5)遞迴演算法的時間複雜度計算：遞迴總次數*每次遞迴次數.
2.空間複雜度
空間複雜度，它是對乙個演算法在執行過程中臨時占用儲存空間大小的量度。所以它強調的是使用的輔助空間的的大小，而不是指所有的資料所占用的空間。
要注意的是遞迴演算法的空間複雜度，假如遞迴深度為n*每次遞迴的輔助空間大小，如果每次遞迴的輔助空間為常數，則空間複雜度為o(n)。
下面通過斐波那契數列對時間，空間複雜度進行分析一下：
1.
long long* fib(long long n)
return ptr;
}
因為開闢了n+1個空間，有n+1個輔助空間，所以空間複雜度為o(n).
2.
long long fib(long long n)
return ret;
}
這是非遞迴的另一種演算法，函式真正執行次數依然為n-1,所以忽略常數後，時間複雜度還是o(n);
由於採用變數交換的方式，所以在這裡輔助空間個數為乙個常數，空間複雜度為o(1).
3.再看一下遞迴演算法
#include#includeusing namespace std;
long long fib(long long n)
int main()
return mid;
}}
1)假設以最壞情況考慮，二分查詢第一次在n/2中查詢(n為元素個數)；第二次在一半的一半中查詢，即n/2/2=n/4;……第x次在n/2^x範圍內查詢，即2^x=n(x=log2^n),所以時間複雜度為o(log2^n).
2)遞迴情況下的空間複雜度：遞迴深度
為n*每次遞迴的輔助空間大小，如果每次遞迴的輔助空間為常數，則空間複雜度為o(n)。
對於遞迴的二分查詢，遞迴深度是log2^n，每次遞迴的輔助空間為常數，所以空間複雜度為o(log2^n)
2.非遞迴情況
int binarysearch1(const int* ptr,const int x,const int len)
else
}return -1;
}
對於非遞迴的二分查詢與遞迴查詢的時間複雜度一樣的分析方法,所以時間複雜度為o(log2^n)；
但是在這個過程中，輔助空間為常數級別，所以空間複雜度為o(1)
資料結構之時間複雜度和空間複雜度
演算法複雜度分為時間複雜度和空間複雜度，乙個好的演算法應該具體執行時間短，所需空間少的特點。隨著計算機硬體和軟體的提公升，乙個演算法的執行時間是算不太精確的。只能依據統計方法對演算法進行估算。我們拋開硬體和軟體的因素，演算法的好壞直接影響程式的執行時間。我們看一下小例子 int value 0 執行...
資料結構之時間複雜度和空間複雜度
準備系統性的記錄一下資料結構與演算法的知識點，今天就先從時間複雜度與空間複雜度開始咯 時間複雜度的定義 在電腦科學中，演算法的時間複雜度是乙個函式，它定量描述了該演算法的執行時間。乙個演算法執行所耗費的時間，從理論上說，是不能算出來的，只有你把你的程式放在機器上跑起來，才能知道。並且在測試過程中還需...
資料結構 時間複雜度 空間複雜度
1.演算法效率 演算法效率可以用來衡量乙個演算法的好壞 演算法效率分析分為兩種 第一種是時間效率,第二種是空間效率.時間效率被稱為時間複雜度,空間效率被稱為空間複雜度.時間複雜度主要衡量的是乙個演算法的執行速度，而空間複雜度主要衡量乙個演算法所需要的額外空間，在計算機發展的早期，計算機的儲存容量很小...