1. <strong id="7actg"></strong>
    2. <table id="7actg"></table>

    3. <address id="7actg"></address>
      <address id="7actg"></address>
      1. <object id="7actg"><tt id="7actg"></tt></object>

        到底什么才是真正的空間復(fù)雜度?

        共 1717字,需瀏覽 4分鐘

         ·

        2020-07-28 15:55


        關(guān)注公眾號“彤哥讀源碼”,解鎖更多源碼、基礎(chǔ)、架構(gòu)知識!

        前言

        你好,我是彤哥,一個每天爬二十六層樓還不忘讀源碼的硬核男人。

        上一節(jié),我們一起學(xué)習(xí)了復(fù)雜度分析的套路和常見的復(fù)雜度。

        但是,我們的案例基本都是以時間復(fù)雜度為主,很少接觸到空間復(fù)雜度。

        那么,到底什么才是真正的空間復(fù)雜度呢?在空間與時間發(fā)生沖突時又該如何權(quán)衡呢?

        本節(jié),我們就來解決這兩個問題。

        來個例子

        現(xiàn)在有一個算法是這樣的,給定一個數(shù)組,將數(shù)組中每個元素都乘以2返回,我實現(xiàn)了下面兩種形式:

        private static int[] multi1(int[] array) {
        int[] newArray = new int[array.length];
        for (int i = 0; i < array.length; i++) {
        newArray[i] = array[i] * 2;
        }
        return newArray;
        }

        private static int[] multi2(int[] array) {
        for (int i = 0; i < array.length; i++) {
        array[i] = array[i] * 2;
        }
        return array;
        }

        暫且不論這兩個算法孰好孰壞,你來猜猜他們的空間復(fù)雜度各是多少?

        你可能會說第一個算法的空間復(fù)雜度為O(n),第二個算法的空間復(fù)雜度為O(1)。

        錯!兩個算法的空間復(fù)雜度都是O(n)。

        也不能說你完全錯了,因為大部分書籍或者資料都弄錯了。

        是時候了解真正的空間復(fù)雜度了。

        空間復(fù)雜度與額外空間復(fù)雜度

        空間復(fù)雜度,是指一個算法運行的過程占用的空間,這個空間包括輸入?yún)?shù)的占用空間和額外申請的空間。

        所以,針對上面兩個算法:

        • 第一個算法,輸入?yún)?shù)n,額外空間n,兩者相加為2n,去除常數(shù)項,空間復(fù)雜度為O(n);

        • 第二個算法,輸入?yún)?shù)n,額外空間0,兩者相加為n,空間復(fù)雜度為O(n)。

        可以看到,使用空間復(fù)雜度很難判斷這兩個算法的好壞,所以,誕生了另一個概念——額外空間復(fù)雜度。

        額外空間復(fù)雜度,是指一個算法運行過程中額外申請的空間。

        使用額外空間復(fù)雜度,針對上面兩個算法:

        • 第一個算法,額外空間為n,額外空間復(fù)雜度為O(n);

        • 第二個算法,額外空間為0,額外空間復(fù)雜度為O(1);

        似乎沒見過有O(0)這種寫法。

        可以看到,使用額外空間復(fù)雜度能夠很輕易地判斷兩個算法的好壞(從空間占用的角度)。

        所以,是時候糾正錯誤的概念了,以后與人交流的時候請使用“額外空間復(fù)雜度”這個概念。

        時間與空間的權(quán)衡

        時間與空間往往是一組糾纏在一起的概念,就像很多小說中寫的一樣,主角最終領(lǐng)悟了時空法則,成為了最強者,小說結(jié)束。

        在數(shù)據(jù)結(jié)構(gòu)與算法中也是一樣,時間與空間往往同時出現(xiàn),而且經(jīng)常朝著相反的方向運動。

        比如,對于排序算法:

        • 冒泡排序,時間復(fù)雜度O(n^2),空間復(fù)雜度O(1)

        • 歸并排序,時間復(fù)雜度O(nlogn),空間復(fù)雜度O(n)

        所以,有兩種思想:以時間換空間,以空間換時間。

        那么,哪種算法更好呢?

        我認為,如果有時間、空間同時比較小的為最好,退而求其次,我選擇以空間換時間,畢竟,隨著計算機硬件技術(shù)地不斷發(fā)展,空間越來越不值錢,而時間卻越來越值錢,所以,以空間換時間也是一種常用的思想,在我們后續(xù)的課程中會出現(xiàn)大量以空間換時間的案例。

        想知道冒泡排序和歸并排序算法的復(fù)雜度如何計算嗎?來呀,關(guān)注我吧。

        后記

        本節(jié),我們從一個小例子入手,分析了兩種算法的空間復(fù)雜度,并引出空間復(fù)雜度的真身——額外空間復(fù)雜度,最后,通過對比冒泡排序和歸并排序的時間復(fù)雜度和空間復(fù)雜度,得出了以空間換時間的思想。

        到這里,關(guān)于復(fù)雜度相關(guān)的章節(jié)就寫完了,從下一節(jié)開始,我們將進入常用數(shù)據(jù)結(jié)構(gòu)與算法的學(xué)習(xí)中,敬請期待。

        P.S. 下周將進行晉升答辯,會停更幾天,敬請諒解。



        瀏覽 23
        點贊
        評論
        收藏
        分享

        手機掃一掃分享

        分享
        舉報
        評論
        圖片
        表情
        推薦
        點贊
        評論
        收藏
        分享

        手機掃一掃分享

        分享
        舉報
        1. <strong id="7actg"></strong>
        2. <table id="7actg"></table>

        3. <address id="7actg"></address>
          <address id="7actg"></address>
          1. <object id="7actg"><tt id="7actg"></tt></object>
            性爱视频日本 | 黄色一级毛片网站 | 成人免费视频观看 | 国産精品久久久久久久AV超碰 | 亚洲成人色 | 国产无遮挡免费 | 曰韩黄片 | 黄色视频免费在线观看 | 精品一区二区久久久久久按摩 | 97在线无码精品秘 入口果冻 |