我查看了其他一些StackOverflow答案，它们与我的讲师在他的幻灯片中写的不同。 深度优先搜索的时间复杂度为O(b^m)，其中b是搜索树的最大分支因子，m是状态空间的最大深度。如果m远大于d，则效率很低，但如果搜索树“多叉”，则可能比广度优先搜索快得多。 他接着说.. ...

这对我来说有点令人困惑。当约束条件如下时，解决给定问题的方法应该是什么： 1）不使用额外的空间： 例如：如果我想要对一个给定数组进行排序，有几种方法可以做到。冒泡排序（只是循环，没有递归地进行交换）。我认为这被称为不使用额外空间。 如果我使用递归来排序元素，情况又如何？它是否与“不使用额外空...

我有一个大小为N的数组，其中N<=200。 在考虑到约束条件N的情况下，这里的空间复杂度将会是O(1)或(N)。

从我理解维基百科关于快速排序空间复杂度的解释来看，快速排序的空间复杂度来自于它的递归性质。我很好奇能否以非递归的方式实现快速排序，并在此过程中使其具有常数空间复杂度。

可能是重复问题: Big O的简单英文解释 我一直很难计算我编写的算法的Big-O时间和空间复杂度。 请问有没有好的资源可以学习更多关于算法空间复杂度的知识。 编辑: 在发布这里之前，我已经搜索了教程。不幸的是，所有的教程都集中在运行时间复杂度上，几乎没有写过关于空间复杂度的内容。

如果给你以下条件： 一定数量的数据 内存大小为数据大小的一半 部分数据已排序 你不知道已排序数据的大小。 你会选择哪种排序算法呢？我在插入排序和快速排序之间犹豫。我知道插入排序的最佳情况是O(n)，但最坏情况是O(n2)。另外，考虑到内存有限，我会将数据分成两部分，并在每个部分上进行快...

我明白了一个基本的概念，如果我有这样一个函数：int sum(int x, int y, int z) { int r = x + y + z; return r; } 对于函数的参数需要3个空间单元，局部变量需要1个，这个值不会改变，因此这是O(1)。但是如果我有这样一个函数：voi...

我很难理解 O(1) 的空间复杂度是什么意思。我知道它表示算法所需的空间不随输入或使用算法的数据大小而增长。但这究竟意味着什么呢？ 如果我们在一个链表上使用算法，比如 1->2->3->4，为了遍历到 "3"，我们会声明一个临时指针，并遍历链表直到找到 "3"。这是否意味着我们仍然有 O(1...

我不擅长确定时间和内存复杂度，希望有人能帮助我。这里有一个算法，但我不确定它的时间和内存复杂度是什么。Function sample(k) IF k < 2 Return 0 Return 1 + sample(k/2) 它的时间和空间复杂度是多少，为什么？ 谢谢

快速排序通常被描述为一种就地（in-place）算法，尽管它需要O(log n)的堆栈空间。那么，就地是指“需要少于O(n)的额外空间”，还是堆栈空间通常不计入空间复杂度（但为什么会这样呢？），或者说快速排序实际上不是一种就地算法？