--- comments: true --- # 2.4   空间复杂度 「空间复杂度 space complexity」用于衡量算法占用内存空间随着数据量变大时的增长趋势。这个概念与时间复杂度非常类似,只需将“运行时间”替换为“占用内存空间”。 ## 2.4.1   算法相关空间 算法在运行过程中使用的内存空间主要包括以下几种。 - **输入空间**:用于存储算法的输入数据。 - **暂存空间**:用于存储算法在运行过程中的变量、对象、函数上下文等数据。 - **输出空间**:用于存储算法的输出数据。 一般情况下,空间复杂度的统计范围是“暂存空间”加上“输出空间”。 暂存空间可以进一步划分为三个部分。 - **暂存数据**:用于保存算法运行过程中的各种常量、变量、对象等。 - **栈帧空间**:用于保存调用函数的上下文数据。系统在每次调用函数时都会在栈顶部创建一个栈帧,函数返回后,栈帧空间会被释放。 - **指令空间**:用于保存编译后的程序指令,在实际统计中通常忽略不计。 在分析一段程序的空间复杂度时,**我们通常统计暂存数据、栈帧空间和输出数据三部分**,如图 2-15 所示。 ![算法使用的相关空间](space_complexity.assets/space_types.png){ class="animation-figure" }

图 2-15   算法使用的相关空间

相关代码如下: === "Python" ```python title="" class Node: """类""" def __init__(self, x: int): self.val: int = x # 节点值 self.next: Node | None = None # 指向下一节点的引用 def function() -> int: """函数""" # 执行某些操作... return 0 def algorithm(n) -> int: # 输入数据 A = 0 # 暂存数据(常量,一般用大写字母表示) b = 0 # 暂存数据(变量) node = Node(0) # 暂存数据(对象) c = function() # 栈帧空间(调用函数) return A + b + c # 输出数据 ``` === "C++" ```cpp title="" /* 结构体 */ struct Node { int val; Node *next; Node(int x) : val(x), next(nullptr) {} }; /* 函数 */ int func() { // 执行某些操作... return 0; } int algorithm(int n) { // 输入数据 const int a = 0; // 暂存数据(常量) int b = 0; // 暂存数据(变量) Node* node = new Node(0); // 暂存数据(对象) int c = func(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "Java" ```java title="" /* 类 */ class Node { int val; Node next; Node(int x) { val = x; } } /* 函数 */ int function() { // 执行某些操作... return 0; } int algorithm(int n) { // 输入数据 final int a = 0; // 暂存数据(常量) int b = 0; // 暂存数据(变量) Node node = new Node(0); // 暂存数据(对象) int c = function(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "C#" ```csharp title="" /* 类 */ class Node(int x) { int val = x; Node next; } /* 函数 */ int Function() { // 执行某些操作... return 0; } int Algorithm(int n) { // 输入数据 const int a = 0; // 暂存数据(常量) int b = 0; // 暂存数据(变量) Node node = new(0); // 暂存数据(对象) int c = Function(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "Go" ```go title="" /* 结构体 */ type node struct { val int next *node } /* 创建 node 结构体 */ func newNode(val int) *node { return &node{val: val} } /* 函数 */ func function() int { // 执行某些操作... return 0 } func algorithm(n int) int { // 输入数据 const a = 0 // 暂存数据(常量) b := 0 // 暂存数据(变量) newNode(0) // 暂存数据(对象) c := function() // 栈帧空间(调用函数) return a + b + c // 输出数据 } ``` === "Swift" ```swift title="" /* 类 */ class Node { var val: Int var next: Node? init(x: Int) { val = x } } /* 函数 */ func function() -> Int { // 执行某些操作... return 0 } func algorithm(n: Int) -> Int { // 输入数据 let a = 0 // 暂存数据(常量) var b = 0 // 暂存数据(变量) let node = Node(x: 0) // 暂存数据(对象) let c = function() // 栈帧空间(调用函数) return a + b + c // 输出数据 } ``` === "JS" ```javascript title="" /* 类 */ class Node { val; next; constructor(val) { this.val = val === undefined ? 0 : val; // 节点值 this.next = null; // 指向下一节点的引用 } } /* 函数 */ function constFunc() { // 执行某些操作 return 0; } function algorithm(n) { // 输入数据 const a = 0; // 暂存数据(常量) let b = 0; // 暂存数据(变量) const node = new Node(0); // 暂存数据(对象) const c = constFunc(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "TS" ```typescript title="" /* 类 */ class Node { val: number; next: Node | null; constructor(val?: number) { this.val = val === undefined ? 0 : val; // 节点值 this.next = null; // 指向下一节点的引用 } } /* 函数 */ function constFunc(): number { // 执行某些操作 return 0; } function algorithm(n: number): number { // 输入数据 const a = 0; // 暂存数据(常量) let b = 0; // 暂存数据(变量) const node = new Node(0); // 暂存数据(对象) const c = constFunc(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "Dart" ```dart title="" /* 类 */ class Node { int val; Node next; Node(this.val, [this.next]); } /* 函数 */ int function() { // 执行某些操作... return 0; } int algorithm(int n) { // 输入数据 const int a = 0; // 暂存数据(常量) int b = 0; // 暂存数据(变量) Node node = Node(0); // 暂存数据(对象) int c = function(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "Rust" ```rust title="" use std::rc::Rc; use std::cell::RefCell; /* 结构体 */ struct Node { val: i32, next: Option>>, } /* 创建 Node 结构体 */ impl Node { fn new(val: i32) -> Self { Self { val: val, next: None } } } /* 函数 */ fn function() -> i32 { // 执行某些操作... return 0; } fn algorithm(n: i32) -> i32 { // 输入数据 const a: i32 = 0; // 暂存数据(常量) let mut b = 0; // 暂存数据(变量) let node = Node::new(0); // 暂存数据(对象) let c = function(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "C" ```c title="" /* 函数 */ int func() { // 执行某些操作... return 0; } int algorithm(int n) { // 输入数据 const int a = 0; // 暂存数据(常量) int b = 0; // 暂存数据(变量) int c = func(); // 栈帧空间(调用函数) return a + b + c; // 输出数据 } ``` === "Zig" ```zig title="" ``` ## 2.4.2   推算方法 空间复杂度的推算方法与时间复杂度大致相同,只需将统计对象从“操作数量”转为“使用空间大小”。 而与时间复杂度不同的是,**我们通常只关注最差空间复杂度**。这是因为内存空间是一项硬性要求,我们必须确保在所有输入数据下都有足够的内存空间预留。 观察以下代码,最差空间复杂度中的“最差”有两层含义。 1. **以最差输入数据为准**:当 $n < 10$ 时,空间复杂度为 $O(1)$ ;但当 $n > 10$ 时,初始化的数组 `nums` 占用 $O(n)$ 空间,因此最差空间复杂度为 $O(n)$ 。 2. **以算法运行中的峰值内存为准**:例如,程序在执行最后一行之前,占用 $O(1)$ 空间;当初始化数组 `nums` 时,程序占用 $O(n)$ 空间,因此最差空间复杂度为 $O(n)$ 。 === "Python" ```python title="" def algorithm(n: int): a = 0 # O(1) b = [0] * 10000 # O(1) if n > 10: nums = [0] * n # O(n) ``` === "C++" ```cpp title="" void algorithm(int n) { int a = 0; // O(1) vector b(10000); // O(1) if (n > 10) vector nums(n); // O(n) } ``` === "Java" ```java title="" void algorithm(int n) { int a = 0; // O(1) int[] b = new int[10000]; // O(1) if (n > 10) int[] nums = new int[n]; // O(n) } ``` === "C#" ```csharp title="" void Algorithm(int n) { int a = 0; // O(1) int[] b = new int[10000]; // O(1) if (n > 10) { int[] nums = new int[n]; // O(n) } } ``` === "Go" ```go title="" func algorithm(n int) { a := 0 // O(1) b := make([]int, 10000) // O(1) var nums []int if n > 10 { nums := make([]int, n) // O(n) } fmt.Println(a, b, nums) } ``` === "Swift" ```swift title="" func algorithm(n: Int) { let a = 0 // O(1) let b = Array(repeating: 0, count: 10000) // O(1) if n > 10 { let nums = Array(repeating: 0, count: n) // O(n) } } ``` === "JS" ```javascript title="" function algorithm(n) { const a = 0; // O(1) const b = new Array(10000); // O(1) if (n > 10) { const nums = new Array(n); // O(n) } } ``` === "TS" ```typescript title="" function algorithm(n: number): void { const a = 0; // O(1) const b = new Array(10000); // O(1) if (n > 10) { const nums = new Array(n); // O(n) } } ``` === "Dart" ```dart title="" void algorithm(int n) { int a = 0; // O(1) List b = List.filled(10000, 0); // O(1) if (n > 10) { List nums = List.filled(n, 0); // O(n) } } ``` === "Rust" ```rust title="" fn algorithm(n: i32) { let a = 0; // O(1) let b = [0; 10000]; // O(1) if n > 10 { let nums = vec![0; n as usize]; // O(n) } } ``` === "C" ```c title="" void algorithm(int n) { int a = 0; // O(1) int b[10000]; // O(1) if (n > 10) int nums[n] = {0}; // O(n) } ``` === "Zig" ```zig title="" ``` **在递归函数中,需要注意统计栈帧空间**。观察以下代码: === "Python" ```python title="" def function() -> int: # 执行某些操作 return 0 def loop(n: int): """循环的空间复杂度为 O(1)""" for _ in range(n): function() def recur(n: int) -> int: """递归的空间复杂度为 O(n)""" if n == 1: return return recur(n - 1) ``` === "C++" ```cpp title="" int func() { // 执行某些操作 return 0; } /* 循环 O(1) */ void loop(int n) { for (int i = 0; i < n; i++) { func(); } } /* 递归 O(n) */ void recur(int n) { if (n == 1) return; return recur(n - 1); } ``` === "Java" ```java title="" int function() { // 执行某些操作 return 0; } /* 循环 O(1) */ void loop(int n) { for (int i = 0; i < n; i++) { function(); } } /* 递归 O(n) */ void recur(int n) { if (n == 1) return; return recur(n - 1); } ``` === "C#" ```csharp title="" int Function() { // 执行某些操作 return 0; } /* 循环 O(1) */ void Loop(int n) { for (int i = 0; i < n; i++) { Function(); } } /* 递归 O(n) */ int Recur(int n) { if (n == 1) return 1; return Recur(n - 1); } ``` === "Go" ```go title="" func function() int { // 执行某些操作 return 0 } /* 循环 O(1) */ func loop(n int) { for i := 0; i < n; i++ { function() } } /* 递归 O(n) */ func recur(n int) { if n == 1 { return } recur(n - 1) } ``` === "Swift" ```swift title="" @discardableResult func function() -> Int { // 执行某些操作 return 0 } /* 循环 O(1) */ func loop(n: Int) { for _ in 0 ..< n { function() } } /* 递归 O(n) */ func recur(n: Int) { if n == 1 { return } recur(n: n - 1) } ``` === "JS" ```javascript title="" function constFunc() { // 执行某些操作 return 0; } /* 循环 O(1) */ function loop(n) { for (let i = 0; i < n; i++) { constFunc(); } } /* 递归 O(n) */ function recur(n) { if (n === 1) return; return recur(n - 1); } ``` === "TS" ```typescript title="" function constFunc(): number { // 执行某些操作 return 0; } /* 循环 O(1) */ function loop(n: number): void { for (let i = 0; i < n; i++) { constFunc(); } } /* 递归 O(n) */ function recur(n: number): void { if (n === 1) return; return recur(n - 1); } ``` === "Dart" ```dart title="" int function() { // 执行某些操作 return 0; } /* 循环 O(1) */ void loop(int n) { for (int i = 0; i < n; i++) { function(); } } /* 递归 O(n) */ void recur(int n) { if (n == 1) return; return recur(n - 1); } ``` === "Rust" ```rust title="" fn function() -> i32 { // 执行某些操作 return 0; } /* 循环 O(1) */ fn loop(n: i32) { for i in 0..n { function(); } } /* 递归 O(n) */ void recur(n: i32) { if n == 1 { return; } recur(n - 1); } ``` === "C" ```c title="" int func() { // 执行某些操作 return 0; } /* 循环 O(1) */ void loop(int n) { for (int i = 0; i < n; i++) { func(); } } /* 递归 O(n) */ void recur(int n) { if (n == 1) return; return recur(n - 1); } ``` === "Zig" ```zig title="" ``` 函数 `loop()` 和 `recur()` 的时间复杂度都为 $O(n)$ ,但空间复杂度不同。 - 函数 `loop()` 在循环中调用了 $n$ 次 `function()` ,每轮中的 `function()` 都返回并释放了栈帧空间,因此空间复杂度仍为 $O(1)$ 。 - 递归函数 `recur()` 在运行过程中会同时存在 $n$ 个未返回的 `recur()` ,从而占用 $O(n)$ 的栈帧空间。 ## 2.4.3   常见类型 设输入数据大小为 $n$ ,图 2-16 展示了常见的空间复杂度类型(从低到高排列)。 $$ \begin{aligned} O(1) < O(\log n) < O(n) < O(n^2) < O(2^n) \newline \text{常数阶} < \text{对数阶} < \text{线性阶} < \text{平方阶} < \text{指数阶} \end{aligned} $$ ![常见的空间复杂度类型](space_complexity.assets/space_complexity_common_types.png){ class="animation-figure" }

图 2-16   常见的空间复杂度类型

### 1.   常数阶 $O(1)$ 常数阶常见于数量与输入数据大小 $n$ 无关的常量、变量、对象。 需要注意的是,在循环中初始化变量或调用函数而占用的内存,在进入下一循环后就会被释放,因此不会累积占用空间,空间复杂度仍为 $O(1)$ : === "Python" ```python title="space_complexity.py" def function() -> int: """函数""" # 执行某些操作 return 0 def constant(n: int): """常数阶""" # 常量、变量、对象占用 O(1) 空间 a = 0 nums = [0] * 10000 node = ListNode(0) # 循环中的变量占用 O(1) 空间 for _ in range(n): c = 0 # 循环中的函数占用 O(1) 空间 for _ in range(n): function() ``` === "C++" ```cpp title="space_complexity.cpp" /* 函数 */ int func() { // 执行某些操作 return 0; } /* 常数阶 */ void constant(int n) { // 常量、变量、对象占用 O(1) 空间 const int a = 0; int b = 0; vector nums(10000); ListNode node(0); // 循环中的变量占用 O(1) 空间 for (int i = 0; i < n; i++) { int c = 0; } // 循环中的函数占用 O(1) 空间 for (int i = 0; i < n; i++) { func(); } } ``` === "Java" ```java title="space_complexity.java" /* 函数 */ int function() { // 执行某些操作 return 0; } /* 常数阶 */ void constant(int n) { // 常量、变量、对象占用 O(1) 空间 final int a = 0; int b = 0; int[] nums = new int[10000]; ListNode node = new ListNode(0); // 循环中的变量占用 O(1) 空间 for (int i = 0; i < n; i++) { int c = 0; } // 循环中的函数占用 O(1) 空间 for (int i = 0; i < n; i++) { function(); } } ``` === "C#" ```csharp title="space_complexity.cs" /* 函数 */ int Function() { // 执行某些操作 return 0; } /* 常数阶 */ void Constant(int n) { // 常量、变量、对象占用 O(1) 空间 int a = 0; int b = 0; int[] nums = new int[10000]; ListNode node = new(0); // 循环中的变量占用 O(1) 空间 for (int i = 0; i < n; i++) { int c = 0; } // 循环中的函数占用 O(1) 空间 for (int i = 0; i < n; i++) { Function(); } } ``` === "Go" ```go title="space_complexity.go" /* 函数 */ func function() int { // 执行某些操作... return 0 } /* 常数阶 */ func spaceConstant(n int) { // 常量、变量、对象占用 O(1) 空间 const a = 0 b := 0 nums := make([]int, 10000) ListNode := newNode(0) // 循环中的变量占用 O(1) 空间 var c int for i := 0; i < n; i++ { c = 0 } // 循环中的函数占用 O(1) 空间 for i := 0; i < n; i++ { function() } fmt.Println(a, b, nums, c, ListNode) } ``` === "Swift" ```swift title="space_complexity.swift" /* 函数 */ @discardableResult func function() -> Int { // 执行某些操作 return 0 } /* 常数阶 */ func constant(n: Int) { // 常量、变量、对象占用 O(1) 空间 let a = 0 var b = 0 let nums = Array(repeating: 0, count: 10000) let node = ListNode(x: 0) // 循环中的变量占用 O(1) 空间 for _ in 0 ..< n { let c = 0 } // 循环中的函数占用 O(1) 空间 for _ in 0 ..< n { function() } } ``` === "JS" ```javascript title="space_complexity.js" /* 函数 */ function constFunc() { // 执行某些操作 return 0; } /* 常数阶 */ function constant(n) { // 常量、变量、对象占用 O(1) 空间 const a = 0; const b = 0; const nums = new Array(10000); const node = new ListNode(0); // 循环中的变量占用 O(1) 空间 for (let i = 0; i < n; i++) { const c = 0; } // 循环中的函数占用 O(1) 空间 for (let i = 0; i < n; i++) { constFunc(); } } ``` === "TS" ```typescript title="space_complexity.ts" /* 函数 */ function constFunc(): number { // 执行某些操作 return 0; } /* 常数阶 */ function constant(n: number): void { // 常量、变量、对象占用 O(1) 空间 const a = 0; const b = 0; const nums = new Array(10000); const node = new ListNode(0); // 循环中的变量占用 O(1) 空间 for (let i = 0; i < n; i++) { const c = 0; } // 循环中的函数占用 O(1) 空间 for (let i = 0; i < n; i++) { constFunc(); } } ``` === "Dart" ```dart title="space_complexity.dart" /* 函数 */ int function() { // 执行某些操作 return 0; } /* 常数阶 */ void constant(int n) { // 常量、变量、对象占用 O(1) 空间 final int a = 0; int b = 0; List nums = List.filled(10000, 0); ListNode node = ListNode(0); // 循环中的变量占用 O(1) 空间 for (var i = 0; i < n; i++) { int c = 0; } // 循环中的函数占用 O(1) 空间 for (var i = 0; i < n; i++) { function(); } } ``` === "Rust" ```rust title="space_complexity.rs" /* 函数 */ fn function() ->i32 { // 执行某些操作 return 0; } /* 常数阶 */ #[allow(unused)] fn constant(n: i32) { // 常量、变量、对象占用 O(1) 空间 const A: i32 = 0; let b = 0; let nums = vec![0; 10000]; let node = ListNode::new(0); // 循环中的变量占用 O(1) 空间 for i in 0..n { let c = 0; } // 循环中的函数占用 O(1) 空间 for i in 0..n { function(); } } ``` === "C" ```c title="space_complexity.c" /* 函数 */ int func() { // 执行某些操作 return 0; } /* 常数阶 */ void constant(int n) { // 常量、变量、对象占用 O(1) 空间 const int a = 0; int b = 0; int nums[1000]; ListNode *node = newListNode(0); free(node); // 循环中的变量占用 O(1) 空间 for (int i = 0; i < n; i++) { int c = 0; } // 循环中的函数占用 O(1) 空间 for (int i = 0; i < n; i++) { func(); } } ``` === "Zig" ```zig title="space_complexity.zig" // 函数 fn function() i32 { // 执行某些操作 return 0; } // 常数阶 fn constant(n: i32) void { // 常量、变量、对象占用 O(1) 空间 const a: i32 = 0; var b: i32 = 0; var nums = [_]i32{0}**10000; var node = inc.ListNode(i32){.val = 0}; var i: i32 = 0; // 循环中的变量占用 O(1) 空间 while (i < n) : (i += 1) { var c: i32 = 0; _ = c; } // 循环中的函数占用 O(1) 空间 i = 0; while (i < n) : (i += 1) { _ = function(); } _ = a; _ = b; _ = nums; _ = node; } ``` ??? pythontutor "可视化运行" 全屏观看 > ### 2.   线性阶 $O(n)$ 线性阶常见于元素数量与 $n$ 成正比的数组、链表、栈、队列等: === "Python" ```python title="space_complexity.py" def linear(n: int): """线性阶""" # 长度为 n 的列表占用 O(n) 空间 nums = [0] * n # 长度为 n 的哈希表占用 O(n) 空间 hmap = dict[int, str]() for i in range(n): hmap[i] = str(i) ``` === "C++" ```cpp title="space_complexity.cpp" /* 线性阶 */ void linear(int n) { // 长度为 n 的数组占用 O(n) 空间 vector nums(n); // 长度为 n 的列表占用 O(n) 空间 vector nodes; for (int i = 0; i < n; i++) { nodes.push_back(ListNode(i)); } // 长度为 n 的哈希表占用 O(n) 空间 unordered_map map; for (int i = 0; i < n; i++) { map[i] = to_string(i); } } ``` === "Java" ```java title="space_complexity.java" /* 线性阶 */ void linear(int n) { // 长度为 n 的数组占用 O(n) 空间 int[] nums = new int[n]; // 长度为 n 的列表占用 O(n) 空间 List nodes = new ArrayList<>(); for (int i = 0; i < n; i++) { nodes.add(new ListNode(i)); } // 长度为 n 的哈希表占用 O(n) 空间 Map map = new HashMap<>(); for (int i = 0; i < n; i++) { map.put(i, String.valueOf(i)); } } ``` === "C#" ```csharp title="space_complexity.cs" /* 线性阶 */ void Linear(int n) { // 长度为 n 的数组占用 O(n) 空间 int[] nums = new int[n]; // 长度为 n 的列表占用 O(n) 空间 List nodes = []; for (int i = 0; i < n; i++) { nodes.Add(new ListNode(i)); } // 长度为 n 的哈希表占用 O(n) 空间 Dictionary map = []; for (int i = 0; i < n; i++) { map.Add(i, i.ToString()); } } ``` === "Go" ```go title="space_complexity.go" /* 线性阶 */ func spaceLinear(n int) { // 长度为 n 的数组占用 O(n) 空间 _ = make([]int, n) // 长度为 n 的列表占用 O(n) 空间 var nodes []*node for i := 0; i < n; i++ { nodes = append(nodes, newNode(i)) } // 长度为 n 的哈希表占用 O(n) 空间 m := make(map[int]string, n) for i := 0; i < n; i++ { m[i] = strconv.Itoa(i) } } ``` === "Swift" ```swift title="space_complexity.swift" /* 线性阶 */ func linear(n: Int) { // 长度为 n 的数组占用 O(n) 空间 let nums = Array(repeating: 0, count: n) // 长度为 n 的列表占用 O(n) 空间 let nodes = (0 ..< n).map { ListNode(x: $0) } // 长度为 n 的哈希表占用 O(n) 空间 let map = Dictionary(uniqueKeysWithValues: (0 ..< n).map { ($0, "\($0)") }) } ``` === "JS" ```javascript title="space_complexity.js" /* 线性阶 */ function linear(n) { // 长度为 n 的数组占用 O(n) 空间 const nums = new Array(n); // 长度为 n 的列表占用 O(n) 空间 const nodes = []; for (let i = 0; i < n; i++) { nodes.push(new ListNode(i)); } // 长度为 n 的哈希表占用 O(n) 空间 const map = new Map(); for (let i = 0; i < n; i++) { map.set(i, i.toString()); } } ``` === "TS" ```typescript title="space_complexity.ts" /* 线性阶 */ function linear(n: number): void { // 长度为 n 的数组占用 O(n) 空间 const nums = new Array(n); // 长度为 n 的列表占用 O(n) 空间 const nodes: ListNode[] = []; for (let i = 0; i < n; i++) { nodes.push(new ListNode(i)); } // 长度为 n 的哈希表占用 O(n) 空间 const map = new Map(); for (let i = 0; i < n; i++) { map.set(i, i.toString()); } } ``` === "Dart" ```dart title="space_complexity.dart" /* 线性阶 */ void linear(int n) { // 长度为 n 的数组占用 O(n) 空间 List nums = List.filled(n, 0); // 长度为 n 的列表占用 O(n) 空间 List nodes = []; for (var i = 0; i < n; i++) { nodes.add(ListNode(i)); } // 长度为 n 的哈希表占用 O(n) 空间 Map map = HashMap(); for (var i = 0; i < n; i++) { map.putIfAbsent(i, () => i.toString()); } } ``` === "Rust" ```rust title="space_complexity.rs" /* 线性阶 */ #[allow(unused)] fn linear(n: i32) { // 长度为 n 的数组占用 O(n) 空间 let mut nums = vec![0; n as usize]; // 长度为 n 的列表占用 O(n) 空间 let mut nodes = Vec::new(); for i in 0..n { nodes.push(ListNode::new(i)) } // 长度为 n 的哈希表占用 O(n) 空间 let mut map = HashMap::new(); for i in 0..n { map.insert(i, i.to_string()); } } ``` === "C" ```c title="space_complexity.c" /* 哈希表 */ typedef struct { int key; int val; UT_hash_handle hh; // 基于 uthash.h 实现 } HashTable; /* 线性阶 */ void linear(int n) { // 长度为 n 的数组占用 O(n) 空间 int *nums = malloc(sizeof(int) * n); free(nums); // 长度为 n 的列表占用 O(n) 空间 ListNode **nodes = malloc(sizeof(ListNode *) * n); for (int i = 0; i < n; i++) { nodes[i] = newListNode(i); } // 内存释放 for (int i = 0; i < n; i++) { free(nodes[i]); } free(nodes); // 长度为 n 的哈希表占用 O(n) 空间 HashTable *h = NULL; for (int i = 0; i < n; i++) { HashTable *tmp = malloc(sizeof(HashTable)); tmp->key = i; tmp->val = i; HASH_ADD_INT(h, key, tmp); } // 内存释放 HashTable *curr, *tmp; HASH_ITER(hh, h, curr, tmp) { HASH_DEL(h, curr); free(curr); } } ``` === "Zig" ```zig title="space_complexity.zig" // 线性阶 fn linear(comptime n: i32) !void { // 长度为 n 的数组占用 O(n) 空间 var nums = [_]i32{0}**n; // 长度为 n 的列表占用 O(n) 空间 var nodes = std.ArrayList(i32).init(std.heap.page_allocator); defer nodes.deinit(); var i: i32 = 0; while (i < n) : (i += 1) { try nodes.append(i); } // 长度为 n 的哈希表占用 O(n) 空间 var map = std.AutoArrayHashMap(i32, []const u8).init(std.heap.page_allocator); defer map.deinit(); var j: i32 = 0; while (j < n) : (j += 1) { const string = try std.fmt.allocPrint(std.heap.page_allocator, "{d}", .{j}); defer std.heap.page_allocator.free(string); try map.put(i, string); } _ = nums; } ``` ??? pythontutor "可视化运行" 全屏观看 > 如图 2-17 所示,此函数的递归深度为 $n$ ,即同时存在 $n$ 个未返回的 `linear_recur()` 函数,使用 $O(n)$ 大小的栈帧空间: === "Python" ```python title="space_complexity.py" def linear_recur(n: int): """线性阶(递归实现)""" print("递归 n =", n) if n == 1: return linear_recur(n - 1) ``` === "C++" ```cpp title="space_complexity.cpp" /* 线性阶(递归实现) */ void linearRecur(int n) { cout << "递归 n = " << n << endl; if (n == 1) return; linearRecur(n - 1); } ``` === "Java" ```java title="space_complexity.java" /* 线性阶(递归实现) */ void linearRecur(int n) { System.out.println("递归 n = " + n); if (n == 1) return; linearRecur(n - 1); } ``` === "C#" ```csharp title="space_complexity.cs" /* 线性阶(递归实现) */ void LinearRecur(int n) { Console.WriteLine("递归 n = " + n); if (n == 1) return; LinearRecur(n - 1); } ``` === "Go" ```go title="space_complexity.go" /* 线性阶(递归实现) */ func spaceLinearRecur(n int) { fmt.Println("递归 n =", n) if n == 1 { return } spaceLinearRecur(n - 1) } ``` === "Swift" ```swift title="space_complexity.swift" /* 线性阶(递归实现) */ func linearRecur(n: Int) { print("递归 n = \(n)") if n == 1 { return } linearRecur(n: n - 1) } ``` === "JS" ```javascript title="space_complexity.js" /* 线性阶(递归实现) */ function linearRecur(n) { console.log(`递归 n = ${n}`); if (n === 1) return; linearRecur(n - 1); } ``` === "TS" ```typescript title="space_complexity.ts" /* 线性阶(递归实现) */ function linearRecur(n: number): void { console.log(`递归 n = ${n}`); if (n === 1) return; linearRecur(n - 1); } ``` === "Dart" ```dart title="space_complexity.dart" /* 线性阶(递归实现) */ void linearRecur(int n) { print('递归 n = $n'); if (n == 1) return; linearRecur(n - 1); } ``` === "Rust" ```rust title="space_complexity.rs" /* 线性阶(递归实现) */ fn linear_recur(n: i32) { println!("递归 n = {}", n); if n == 1 {return}; linear_recur(n - 1); } ``` === "C" ```c title="space_complexity.c" /* 线性阶(递归实现) */ void linearRecur(int n) { printf("递归 n = %d\r\n", n); if (n == 1) return; linearRecur(n - 1); } ``` === "Zig" ```zig title="space_complexity.zig" // 线性阶(递归实现) fn linearRecur(comptime n: i32) void { std.debug.print("递归 n = {}\n", .{n}); if (n == 1) return; linearRecur(n - 1); } ``` ??? pythontutor "可视化运行" 全屏观看 > ![递归函数产生的线性阶空间复杂度](space_complexity.assets/space_complexity_recursive_linear.png){ class="animation-figure" }

图 2-17   递归函数产生的线性阶空间复杂度

### 3.   平方阶 $O(n^2)$ 平方阶常见于矩阵和图,元素数量与 $n$ 成平方关系: === "Python" ```python title="space_complexity.py" def quadratic(n: int): """平方阶""" # 二维列表占用 O(n^2) 空间 num_matrix = [[0] * n for _ in range(n)] ``` === "C++" ```cpp title="space_complexity.cpp" /* 平方阶 */ void quadratic(int n) { // 二维列表占用 O(n^2) 空间 vector> numMatrix; for (int i = 0; i < n; i++) { vector tmp; for (int j = 0; j < n; j++) { tmp.push_back(0); } numMatrix.push_back(tmp); } } ``` === "Java" ```java title="space_complexity.java" /* 平方阶 */ void quadratic(int n) { // 矩阵占用 O(n^2) 空间 int[][] numMatrix = new int[n][n]; // 二维列表占用 O(n^2) 空间 List> numList = new ArrayList<>(); for (int i = 0; i < n; i++) { List tmp = new ArrayList<>(); for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } ``` === "C#" ```csharp title="space_complexity.cs" /* 平方阶 */ void Quadratic(int n) { // 矩阵占用 O(n^2) 空间 int[,] numMatrix = new int[n, n]; // 二维列表占用 O(n^2) 空间 List> numList = []; for (int i = 0; i < n; i++) { List tmp = []; for (int j = 0; j < n; j++) { tmp.Add(0); } numList.Add(tmp); } } ``` === "Go" ```go title="space_complexity.go" /* 平方阶 */ func spaceQuadratic(n int) { // 矩阵占用 O(n^2) 空间 numMatrix := make([][]int, n) for i := 0; i < n; i++ { numMatrix[i] = make([]int, n) } } ``` === "Swift" ```swift title="space_complexity.swift" /* 平方阶 */ func quadratic(n: Int) { // 二维列表占用 O(n^2) 空间 let numList = Array(repeating: Array(repeating: 0, count: n), count: n) } ``` === "JS" ```javascript title="space_complexity.js" /* 平方阶 */ function quadratic(n) { // 矩阵占用 O(n^2) 空间 const numMatrix = Array(n) .fill(null) .map(() => Array(n).fill(null)); // 二维列表占用 O(n^2) 空间 const numList = []; for (let i = 0; i < n; i++) { const tmp = []; for (let j = 0; j < n; j++) { tmp.push(0); } numList.push(tmp); } } ``` === "TS" ```typescript title="space_complexity.ts" /* 平方阶 */ function quadratic(n: number): void { // 矩阵占用 O(n^2) 空间 const numMatrix = Array(n) .fill(null) .map(() => Array(n).fill(null)); // 二维列表占用 O(n^2) 空间 const numList = []; for (let i = 0; i < n; i++) { const tmp = []; for (let j = 0; j < n; j++) { tmp.push(0); } numList.push(tmp); } } ``` === "Dart" ```dart title="space_complexity.dart" /* 平方阶 */ void quadratic(int n) { // 矩阵占用 O(n^2) 空间 List> numMatrix = List.generate(n, (_) => List.filled(n, 0)); // 二维列表占用 O(n^2) 空间 List> numList = []; for (var i = 0; i < n; i++) { List tmp = []; for (int j = 0; j < n; j++) { tmp.add(0); } numList.add(tmp); } } ``` === "Rust" ```rust title="space_complexity.rs" /* 平方阶 */ #[allow(unused)] fn quadratic(n: i32) { // 矩阵占用 O(n^2) 空间 let num_matrix = vec![vec![0; n as usize]; n as usize]; // 二维列表占用 O(n^2) 空间 let mut num_list = Vec::new(); for i in 0..n { let mut tmp = Vec::new(); for j in 0..n { tmp.push(0); } num_list.push(tmp); } } ``` === "C" ```c title="space_complexity.c" /* 平方阶 */ void quadratic(int n) { // 二维列表占用 O(n^2) 空间 int **numMatrix = malloc(sizeof(int *) * n); for (int i = 0; i < n; i++) { int *tmp = malloc(sizeof(int) * n); for (int j = 0; j < n; j++) { tmp[j] = 0; } numMatrix[i] = tmp; } // 内存释放 for (int i = 0; i < n; i++) { free(numMatrix[i]); } free(numMatrix); } ``` === "Zig" ```zig title="space_complexity.zig" // 平方阶 fn quadratic(n: i32) !void { // 二维列表占用 O(n^2) 空间 var nodes = std.ArrayList(std.ArrayList(i32)).init(std.heap.page_allocator); defer nodes.deinit(); var i: i32 = 0; while (i < n) : (i += 1) { var tmp = std.ArrayList(i32).init(std.heap.page_allocator); defer tmp.deinit(); var j: i32 = 0; while (j < n) : (j += 1) { try tmp.append(0); } try nodes.append(tmp); } } ``` ??? pythontutor "可视化运行" 全屏观看 > 如图 2-18 所示,该函数的递归深度为 $n$ ,在每个递归函数中都初始化了一个数组,长度分别为 $n$、$n-1$、$\dots$、$2$、$1$ ,平均长度为 $n / 2$ ,因此总体占用 $O(n^2)$ 空间: === "Python" ```python title="space_complexity.py" def quadratic_recur(n: int) -> int: """平方阶(递归实现)""" if n <= 0: return 0 # 数组 nums 长度为 n, n-1, ..., 2, 1 nums = [0] * n return quadratic_recur(n - 1) ``` === "C++" ```cpp title="space_complexity.cpp" /* 平方阶(递归实现) */ int quadraticRecur(int n) { if (n <= 0) return 0; vector nums(n); cout << "递归 n = " << n << " 中的 nums 长度 = " << nums.size() << endl; return quadraticRecur(n - 1); } ``` === "Java" ```java title="space_complexity.java" /* 平方阶(递归实现) */ int quadraticRecur(int n) { if (n <= 0) return 0; // 数组 nums 长度为 n, n-1, ..., 2, 1 int[] nums = new int[n]; System.out.println("递归 n = " + n + " 中的 nums 长度 = " + nums.length); return quadraticRecur(n - 1); } ``` === "C#" ```csharp title="space_complexity.cs" /* 平方阶(递归实现) */ int QuadraticRecur(int n) { if (n <= 0) return 0; int[] nums = new int[n]; Console.WriteLine("递归 n = " + n + " 中的 nums 长度 = " + nums.Length); return QuadraticRecur(n - 1); } ``` === "Go" ```go title="space_complexity.go" /* 平方阶(递归实现) */ func spaceQuadraticRecur(n int) int { if n <= 0 { return 0 } nums := make([]int, n) fmt.Printf("递归 n = %d 中的 nums 长度 = %d \n", n, len(nums)) return spaceQuadraticRecur(n - 1) } ``` === "Swift" ```swift title="space_complexity.swift" /* 平方阶(递归实现) */ @discardableResult func quadraticRecur(n: Int) -> Int { if n <= 0 { return 0 } // 数组 nums 长度为 n, n-1, ..., 2, 1 let nums = Array(repeating: 0, count: n) print("递归 n = \(n) 中的 nums 长度 = \(nums.count)") return quadraticRecur(n: n - 1) } ``` === "JS" ```javascript title="space_complexity.js" /* 平方阶(递归实现) */ function quadraticRecur(n) { if (n <= 0) return 0; const nums = new Array(n); console.log(`递归 n = ${n} 中的 nums 长度 = ${nums.length}`); return quadraticRecur(n - 1); } ``` === "TS" ```typescript title="space_complexity.ts" /* 平方阶(递归实现) */ function quadraticRecur(n: number): number { if (n <= 0) return 0; const nums = new Array(n); console.log(`递归 n = ${n} 中的 nums 长度 = ${nums.length}`); return quadraticRecur(n - 1); } ``` === "Dart" ```dart title="space_complexity.dart" /* 平方阶(递归实现) */ int quadraticRecur(int n) { if (n <= 0) return 0; List nums = List.filled(n, 0); print('递归 n = $n 中的 nums 长度 = ${nums.length}'); return quadraticRecur(n - 1); } ``` === "Rust" ```rust title="space_complexity.rs" /* 平方阶(递归实现) */ fn quadratic_recur(n: i32) -> i32 { if n <= 0 {return 0}; // 数组 nums 长度为 n, n-1, ..., 2, 1 let nums = vec![0; n as usize]; println!("递归 n = {} 中的 nums 长度 = {}", n, nums.len()); return quadratic_recur(n - 1); } ``` === "C" ```c title="space_complexity.c" /* 平方阶(递归实现) */ int quadraticRecur(int n) { if (n <= 0) return 0; int *nums = malloc(sizeof(int) * n); printf("递归 n = %d 中的 nums 长度 = %d\r\n", n, n); int res = quadraticRecur(n - 1); free(nums); return res; } ``` === "Zig" ```zig title="space_complexity.zig" // 平方阶(递归实现) fn quadraticRecur(comptime n: i32) i32 { if (n <= 0) return 0; var nums = [_]i32{0}**n; std.debug.print("递归 n = {} 中的 nums 长度 = {}\n", .{n, nums.len}); return quadraticRecur(n - 1); } ``` ??? pythontutor "可视化运行" 全屏观看 > ![递归函数产生的平方阶空间复杂度](space_complexity.assets/space_complexity_recursive_quadratic.png){ class="animation-figure" }

图 2-18   递归函数产生的平方阶空间复杂度

### 4.   指数阶 $O(2^n)$ 指数阶常见于二叉树。观察图 2-19 ,层数为 $n$ 的“满二叉树”的节点数量为 $2^n - 1$ ,占用 $O(2^n)$ 空间: === "Python" ```python title="space_complexity.py" def build_tree(n: int) -> TreeNode | None: """指数阶(建立满二叉树)""" if n == 0: return None root = TreeNode(0) root.left = build_tree(n - 1) root.right = build_tree(n - 1) return root ``` === "C++" ```cpp title="space_complexity.cpp" /* 指数阶(建立满二叉树) */ TreeNode *buildTree(int n) { if (n == 0) return nullptr; TreeNode *root = new TreeNode(0); root->left = buildTree(n - 1); root->right = buildTree(n - 1); return root; } ``` === "Java" ```java title="space_complexity.java" /* 指数阶(建立满二叉树) */ TreeNode buildTree(int n) { if (n == 0) return null; TreeNode root = new TreeNode(0); root.left = buildTree(n - 1); root.right = buildTree(n - 1); return root; } ``` === "C#" ```csharp title="space_complexity.cs" /* 指数阶(建立满二叉树) */ TreeNode? BuildTree(int n) { if (n == 0) return null; TreeNode root = new(0) { left = BuildTree(n - 1), right = BuildTree(n - 1) }; return root; } ``` === "Go" ```go title="space_complexity.go" /* 指数阶(建立满二叉树) */ func buildTree(n int) *treeNode { if n == 0 { return nil } root := newTreeNode(0) root.left = buildTree(n - 1) root.right = buildTree(n - 1) return root } ``` === "Swift" ```swift title="space_complexity.swift" /* 指数阶(建立满二叉树) */ func buildTree(n: Int) -> TreeNode? { if n == 0 { return nil } let root = TreeNode(x: 0) root.left = buildTree(n: n - 1) root.right = buildTree(n: n - 1) return root } ``` === "JS" ```javascript title="space_complexity.js" /* 指数阶(建立满二叉树) */ function buildTree(n) { if (n === 0) return null; const root = new TreeNode(0); root.left = buildTree(n - 1); root.right = buildTree(n - 1); return root; } ``` === "TS" ```typescript title="space_complexity.ts" /* 指数阶(建立满二叉树) */ function buildTree(n: number): TreeNode | null { if (n === 0) return null; const root = new TreeNode(0); root.left = buildTree(n - 1); root.right = buildTree(n - 1); return root; } ``` === "Dart" ```dart title="space_complexity.dart" /* 指数阶(建立满二叉树) */ TreeNode? buildTree(int n) { if (n == 0) return null; TreeNode root = TreeNode(0); root.left = buildTree(n - 1); root.right = buildTree(n - 1); return root; } ``` === "Rust" ```rust title="space_complexity.rs" /* 指数阶(建立满二叉树) */ fn build_tree(n: i32) -> Option>> { if n == 0 {return None}; let root = TreeNode::new(0); root.borrow_mut().left = build_tree(n - 1); root.borrow_mut().right = build_tree(n - 1); return Some(root); } ``` === "C" ```c title="space_complexity.c" /* 指数阶(建立满二叉树) */ TreeNode *buildTree(int n) { if (n == 0) return NULL; TreeNode *root = newTreeNode(0); root->left = buildTree(n - 1); root->right = buildTree(n - 1); return root; } ``` === "Zig" ```zig title="space_complexity.zig" // 指数阶(建立满二叉树) fn buildTree(mem_allocator: std.mem.Allocator, n: i32) !?*inc.TreeNode(i32) { if (n == 0) return null; const root = try mem_allocator.create(inc.TreeNode(i32)); root.init(0); root.left = try buildTree(mem_allocator, n - 1); root.right = try buildTree(mem_allocator, n - 1); return root; } ``` ??? pythontutor "可视化运行" 全屏观看 > ![满二叉树产生的指数阶空间复杂度](space_complexity.assets/space_complexity_exponential.png){ class="animation-figure" }

图 2-19   满二叉树产生的指数阶空间复杂度

### 5.   对数阶 $O(\log n)$ 对数阶常见于分治算法。例如归并排序,输入长度为 $n$ 的数组,每轮递归将数组从中点处划分为两半,形成高度为 $\log n$ 的递归树,使用 $O(\log n)$ 栈帧空间。 再例如将数字转化为字符串,输入一个正整数 $n$ ,它的位数为 $\log_{10} n + 1$ ,即对应字符串长度为 $\log_{10} n + 1$ ,因此空间复杂度为 $O(\log_{10} n + 1) = O(\log n)$ 。 ## 2.4.4   权衡时间与空间 理想情况下,我们希望算法的时间复杂度和空间复杂度都能达到最优。然而在实际情况中,同时优化时间复杂度和空间复杂度通常非常困难。 **降低时间复杂度通常需要以提升空间复杂度为代价,反之亦然**。我们将牺牲内存空间来提升算法运行速度的思路称为“以空间换时间”;反之,则称为“以时间换空间”。 选择哪种思路取决于我们更看重哪个方面。在大多数情况下,时间比空间更宝贵,因此“以空间换时间”通常是更常用的策略。当然,在数据量很大的情况下,控制空间复杂度也非常重要。