时间复杂度与空间复杂度备忘录

时间复杂度和空间复杂度是衡量算法效率的核心指标，均采用大O符号（Big O）**表示，描述算法性能随输入规模（n）增长的变化趋势。

时间复杂度

[O(1) 常数阶](#O(1) 常数阶)

[O(n) 线性阶](#O(n) 线性阶)

[O(n²) 平方阶](#O(n²) 平方阶)

[O(log n) 对数阶](#O(log n) 对数阶)

[O(n log n) 线性对数阶](#O(n log n) 线性对数阶)

空间复杂度

[O(1) 常数阶](#O(1) 常数阶)

[O(n) 线性阶](#O(n) 线性阶)

[O(n²) 平方阶](#O(n²) 平方阶)

[O(n) 递归栈空间](#O(n) 递归栈空间)

复杂度对比

实际应用权衡

总结

时间复杂度

衡量代码执行时间随数据规模增长的变化趋势。

O(1) 常数阶

执行次数固定，与输入规模无关。

c 复制代码

int constantTime(int n) {
    int a = 10;
    int b = 20;
    return a + b;
}

特点：执行时间恒定，不受输入规模影响，效率最优。

O(n) 线性阶

执行次数与输入规模成正比。

c 复制代码

void linearTime(int n) {
    for (int i = 0; i < n; i++) {
        printf("当前数字: %d\n", i);
    }
}

特点：常见于单层循环或数组遍历。

O(n²) 平方阶

执行次数与n的平方成正比。

c 复制代码

void quadraticTime(int n) {
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            printf("坐标: (%d, %d)\n", i, j);
        }
    }
}

特点：常见于双重嵌套循环（如冒泡排序），n较大时性能急剧下降。

O(log n) 对数阶

每次执行缩减问题规模（如减半）。

c 复制代码

void logarithmicTime(int n) {
    for (int i = 1; i < n; i *= 2) {
        printf("当前数字: %d\n", i);
    }
}

特点：效率极高，常见于二分查找或分治算法。

O(n log n) 线性对数阶

结合线性与对数增长。

c 复制代码

void nLogNExample(int n) {
    for (int i = 0; i < n; i++) {
        for (int j = 1; j < n; j *= 2) {
            // 执行操作
        }
    }
}

特点：常见于高效排序算法（如归并排序）。

空间复杂度

衡量算法运行中额外申请的内存空间（不含输入数据本身）。

O(1) 常数阶

仅使用固定数量的变量。

c 复制代码

void constantSpace(int n) {
    int sum = 0;
    for (int i = 0; i < n; i++) {
        sum += i;
    }
}

O(n) 线性阶

额外空间与输入规模成正比。

c 复制代码

void linearSpace(int n) {
    int* arr = (int*)malloc(n * sizeof(int));
    free(arr);
}

O(n²) 平方阶

额外空间随n呈平方增长（如二维数组）。

c 复制代码

void quadraticSpace(int n) {
    int** matrix = (int**)malloc(n * sizeof(int*));
    for (int i = 0; i < n; i++) {
        matrix[i] = (int*)malloc(n * sizeof(int));
    }
}

O(n) 递归栈空间

递归深度决定空间复杂度。

c 复制代码

void recursiveSpace(int n) {
    if (n <= 0) return;
    recursiveSpace(n - 1);
}

复杂度对比

复杂度	名称	增长趋势	典型场景	性能评价
O(1)	常数阶	恒定	数组访问	最优
O(log n)	对数阶	极缓慢	二分查找	优秀
O(n)	线性阶	线性增长	单层循环	良好
O(n log n)	线性对数阶	较缓慢	归并排序	较好
O(n²)	平方阶	快速增长	冒泡排序	一般
O(2ⁿ)	指数阶	指数爆炸	暴力穷举	较差

实际应用权衡

时间换空间：优化内存使用，但增加计算时间。
空间换时间：通过缓存或预计算提升速度，但占用更多内存。

总结

时间复杂度反映执行时间的增长趋势。
空间复杂度反映内存使用的增长趋势。
选择算法需综合两者，通常需权衡时间与空间效率。
理解复杂度对编写高效代码至关重要。