当前位置:   article > 正文

时间、空间复杂度的例题详解_空间复杂度例题带答案

空间复杂度例题带答案

文章前言

上篇文章带大家认识了数据结构和算法的含义,以及理解了时间、空间复杂度,那么接下来来深入理解一下时间、空间复杂度。

时间复杂度实例

实例1

// 计算Func2的时间复杂度?
void Func2(int N)
{
	int count = 0;
	for (int k = 0; k < 2 * N ; ++ k)
		{
			++count;
		}
	int M = 10;
	while (M--)
	{
		++count;
	}
	printf("%d\n", count);
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

很明显可以知道是2*N+10,所以时间复杂度为O(n)。

实例2

// 计算Func3的时间复杂度?
void Func3(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);
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

运行次数是N+M,时间复杂度为 O(N+M)

实例3

// 计算Func4的时间复杂度?
void Func4(int N)
{
	int count = 0;
	for (int k = 0; k < 100; ++ k)
		{
			++count;
		}
	printf("%d\n", count);
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

在这里面进行了100次循环和N没有关系,所有时间复杂度为O(1)

实例4

// 计算strchr的时间复杂度?
const char * strchr ( const char * str, int character );
  • 1
  • 2

大家如果不了解strchr函数,可以大概看一下介绍:
strchr 函数是一个 C 标准库中的字符串函数,用于从字符串中查找指定字符的第一次出现位置,它的函数原型为:

char *strchr(const char *s, int c);

该函数的内部构造实现并不是特别复杂,它的实现可以分为以下几个步骤:
检验输入参数是否合法,若非法则返回 NULL。其中,参数 s 表示需要查找的字符串,参数 c 表示需要查找的字符。

if (s == NULL)
    return NULL;
  • 1
  • 2

遍历字符串 s,查找字符 c 的出现位置,若找到则返回该位置的指针。若未找到则返回 NULL。

while (*s != '\0') {
    if (*s == (char)c)
        return (char *)s;
    s++;
}
return NULL;
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

上述代码使用了一个 while 循环,遍历字符串中的每个字符,检查当前字符是否等于指定字符 c。一旦找到了第一次出现 c 的位置,就立即返回该位置的指针。如果遍历完整个字符串后仍未找到指定字符,则最终返回 NULL。

综上所述,strchr 函数的内部构造并不复杂,主要是遍历字符串查找目标字符的过程。需要注意的是,由于该函数返回的是指针类型,因此需要进行类型转换。

所以,我们可以很容易的根据时间复杂度的定义:基本操作执行最好1次,最坏N次,时间复杂度一般看最坏,时间复杂度为 O(N)。

实例5

// 计算BubbleSort的时间复杂度?
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;
		}
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

基本操作执行最好N次,最坏执行了(N*(N+1)/2次,通过推导大O阶方法+时间复杂度一般看最坏,时间复杂度为 O(N^2)。

实例6

// 计算BinarySearch的时间复杂度?
int BinarySearch(int* a, int n, int x)
{
	assert(a);
	int begin = 0;
	int end = n-1;
	// [begin, end]:begin和end是左闭右闭区间,因此有=号
	while (begin <= end)
	{
		int mid = begin + ((end-begin)>>1);
		if (a[mid] < x)
			begin = mid+1;
		else if (a[mid] > x)
			end = mid-1;
		else
			return mid;
	}
	return -1;
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

我们可以知道这是一个二分查找,二分查找是一个很厉害的算法,他的效率特别高。 基本操作执行最好1次,最坏O(logN)次,时间复杂度为 O(logN) (ps:logN在算法分析中表示是底数为2,对数为N。有些地方会写成lgN。)

实例7

// 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;
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

可以很简单的知道执行次数是N+1次,那么时间复杂度为O(n)。

实例8

// 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);
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
大概也就是(1/2)*2N-1,所以时间复杂度就为O(2^N)。

空间复杂度实例

实例1

// 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;
	}
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

仅使用了常数个额外空间,所以空间复杂度为O(1)。

实例2

// 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)
	{
		fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
	}
	return fibArray;
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

该代码动态开辟了N个空间,所以空间复杂度为O(N)。

实例3

// 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;
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

递归调用了N次,开辟了N个栈帧,每个栈帧使用了常数个空间。空间复杂度为O(N)。

根据时间、空间复杂度解题

消失的数字

问题描述:
数组nums包含从0到n的所有整数,但其中缺了一个。请编写代码找出那个缺失的整数。你有办法在O(n)时间内完成吗?
这里给大家把链接奉上,可以先挑战一下试试。

https://leetcode-cn.com/problems/missing-number-lcci/

思路分析:
首先很简单的做法是暴力遍历,但是效率不够高,可能会超时,所以这种做法可行只要不出问题都可以作出来,就不再过多赘述。
思路一:
从0到n,丢失了一个数字,我们可以把从0到n的数字先全部加起来,之后用这个值减去所有的数字,就可以知道这个丢失的数字是多少了。

int missingNumber(int* nums, int numsSize) {
    int N = numsSize;//用N来记录方便代码书写
    int sum = ((0 + N) * (N + 1)) / 2;//等茶树列前n项和
    for (int i = 0; i < N; i++)//减值循环
    {
        sum = sum - nums[i];
    }
    return sum;//返回值为sum即为丢失的数字。
}

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

在这里插入图片描述
该题解代码时间复杂度为O(N),空间复杂度为O(1)。
在这里是可以通过的,我们具体解释看注释。

思路二:我们之前学过异或符号,得到了一个结论相同为0,相异为1。那么我们就可以得到两个相同的数字异或起来得到的值就是0。0异或任何数字又都是该数字,那么我们就可以让0去异或从0到n,再去异或所有的数,最后得到的值就是丢失的那个数字。

int missingNumber(int* nums, int numsSize)
{
	int N = numsSize;//N来记录方便代码书写
	int F = 0;//定义F为0,用来异或
	for (int i = 0; i <= N; i++)//异或从0到n的所有数字循环
	{
		F ^= i;
	}
	for (int i = 0; i < N; i++)//再去异或所有数字的循环
	{
		F ^= nums[i];
	}
	return F;//得到的F即为丢失的数字返回即可。
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

在这里插入图片描述
该题解代码同样是时间复杂度为O(N),空间复杂度为O(1)。
可以看到在这里是通过的,具体解释请看代码。

移除元素

给你一个数组 nums 和一个值 val,你需要 原地 移除所有数值等于 val 的元素,并返回移除后数组的新长度。
不要使用额外的数组空间,你必须仅使用 O(1) 额外空间并 原地 修改输入数组。
元素的顺序可以改变。你不需要考虑数组中超出新长度后面的元素。
链接给大家奉上可以先尝试一下:

https://leetcode.cn/problems/remove-element/

题解思路:已经规定不能使用额外空间,那么我们可以用双指针的方法来解这道题目。

int removeElement(int* nums, int numsSize, int val){
    int src=0;//快指针(下标)
    int dst=0;//慢指针(下标)
    while(src<numsSize)//移除循环
    {
        if(nums[src]!=val)//快指针遍历,若不等于移除值,将快指针指向值赋给慢指针
        {
            nums[dst]=nums[src];
            dst++;
            src++;
        }
        else//除不相等情况,为相等情况,快指针直接遍历过去
        {
            src++;
        }
    }
    return dst;//返回新数组长度。
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

在这里插入图片描述
在这里,时间复杂度是O(N),空间复杂度为O(1)。
具体代码解释请看注释。

删除有序数组中的重复项

给你一个 非严格递增排列 的数组 nums ,请你 原地 删除重复出现的元素,使每个元素 只出现一次 ,返回删除后数组的新长度。元素的 相对顺序 应该保持 一致 。然后返回 nums 中唯一元素的个数。

考虑 nums 的唯一元素的数量为 k ,你需要做以下事情确保你的题解可以被通过:

更改数组 nums ,使 nums 的前 k 个元素包含唯一元素,并按照它们最初在 nums 中出现的顺序排列。nums 的其余元素与 nums 的大小不重要。
返回 k 。
链接奉上:

https://leetcode.cn/problems/remove-duplicates-from-sorted-array/description/

int removeDuplicates(int* nums, int numsSize) {
    int j=1;//快指针遍历
    int i=1;//慢指针记录
    for(j=1;j<numsSize;j++)//移除循环
    {
        if(nums[j]!=nums[i-1])//快指针遍历值不等于前一项慢指针记录值时
        //将该快指针指向值赋值给慢指针当前项值
        //相等情况快指针直接遍历过去
        {
            nums[i]=nums[j];
            i++;
        }
    }
    return i;
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

在这里同样用双指针方法,时间复杂度为O(N),空间复杂度为O(1)。

合并两个有序数组

给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2,另有两个整数 m 和 n ,分别表示 nums1 和 nums2 中的元素数目。

请你 合并 nums2 到 nums1 中,使合并后的数组同样按 非递减顺序 排列。

注意:最终,合并后数组不应由函数返回,而是存储在数组 nums1 中。为了应对这种情况,nums1 的初始长度为 m + n,其中前 m 个元素表示应合并的元素,后 n 个元素为 0 ,应忽略。nums2 的长度为 n 。
链接给大家奉上:

https://leetcode.cn/problems/merge-sorted-array/description/

int compar(const void* e1,const void* e2)
{
    return (*(int*)e1-*(int*)e2);
}
void merge(int* nums1, int nums1Size, int m, int* nums2, int nums2Size, int n){
    int i=0;
    int j=0;
    for(i=m;i<m+n;i++)
    {
        nums1[i]=nums2[j];
        j++;
    }
    qsort(nums1,m+n,sizeof(int),compar);
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

在这里插入图片描述

在这里我们先用nums2数组将nums1数组充满,时间复杂度为O(n),qsort函数的时间复杂度为 O(n log n),该代码中n=m+n,所以该代码时间复杂度为 O(n + (m+n) log (m+n))。空间复杂度为O(1)。由于本题所使用解题代码思路十分简单,就不再注释。

本章内容分享到此,感谢各位观看。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/代码探险家/article/detail/842158
推荐阅读
相关标签
  

闽ICP备14008679号