在原本的向量中，由於採用靜態空間管理策略：
開闢內部陣列_elem並使用一段連續的物理空間
_capacity:總容量
_size:當前實際規模
這個管理策略顯然存在不足，會發生上溢或者下溢
1、上溢（overflow）：_elem不足以存放所有元素
2、下溢（underflow）：_elem中元素寥寥無幾
裝填因子（load factor）：$ \lambda = _size/_capacity << 50% $
因此需要引入可擴充向量
在可擴充向量中，我們可以對向量進行擴充（extendable vector）
我們採用如下的策略：
即將發生上溢的時候，適當的擴充套件向量的容量
即將發生上溢時，我們進行擴容。擴容時，開闢乙個新的空間，然後將其內部的_elem指標指向這個新的空間，然後複製原本的內容到新的空間，最後釋放原本的空間。
具體實現參考如下：
template void vector::expand()t* oldelem = _elem; _elem = new t[_capacity += increment];//追加固定大小的容量於是在第1、i+1、2i+1、...次插入時，都需要擴容
即使不計申請空間操作，僅擴容過程中的複製，時間成本依次為\(0,i,2i,\dots,(m-1)i = o(n^2)//算術級數\)
每次擴容的\(\color\)為\(o(n)\)
t* oldelem = _elem; _elem = new t[_capacity << 1]; //容量加倍於是在第1、2、4、8、16、...次插入時，都需要擴容
即使不計申請空間操作，僅擴容過程中的複製，時間成本依次為\(1,2,4,\dots,2^m = o(n)//幾何級數\)
每次擴容的\(\color\)為\(o(1)\)
倍增策略是在空間上適當犧牲（但裝填因子總不會小於50%），換取時間上的巨大收益。
資料結構時間複雜度 資料結構之時間複雜度分析
正文 開篇我們先思考這麼乙個問題 一台老式的 cpu 的計算機執行 o n 的程式，和一台速度提高的新式 cpu 的計算機運 o n2 的程式。誰的程執行效率高呢？答案是前者優於後者。為什麼呢？我們從時間複雜度分析就可以知道。1 什麼是時間複雜度？在進行演算法分析時，語句總的執行次數 t n 是關於...
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...
資料結構時間複雜度和空間複雜度
1 演算法o n 關注n的階數，當數十分大的時候，常數可以忽略。o n 又稱為大o記法。2 t n o f n 隨著n變化而變化，f n 是某個函式，執行的次數等於時間，一般情況下，t n 增長最慢的演算法最優。4 推到o n 1,用1取代時間中所有加法常數 哪些可以忽略 2，在修改後的執行函式中，...