算法學習（三）：算法的空間復雜度

概念定義

• 輸入空間：存儲輸入數據所需的空間大小
• 暫存空間：算法運行過程中，存儲所有中間變量和對象等數據所需的空間大小
• 輸出空間：算法運行返回時，存儲輸出數據所需的空間大小

通常情況下，空間復雜度是指在輸入數據大小為N時，算法運行所使用的【暫存空間】 + 【輸出空間】的總體大小

 

 而根據不同來源，算法使用的內存空間分為三類：

　　指令空間：

　　　　編譯后，程序指令所使用的內存空間

　　數據空間：

　　　　算法中的各項變量使用的空間，包括：聲明的常量、變量、動態數組、動態對象等使用的內存空間。

　　棧幀空間：

　　　　程序調用函數是基於棧實現的，函數在調用期間，占用常量大小的棧幀空間，直至返回后釋放。

符號表示

　　通常情況下，空間負責度統計算法在最差情況下使用的空間大小，以體現算法運行所需預留的空間量，使用符號O表示。

　　最差情況有兩層含義，分別為【最差輸入數據】、算法運行中的【最差運行點】。

常見種類

　　根據從小到大排序，常見的算法空間復雜度有：

　　　　O(1)<O(logN)<O(N)<O(N²)<O(2^N)

 

 

參考資料：https://leetcode-cn.com/leetbook/read/illustration-of-algorithm/r8ytog/