C++查缺补漏《4》_时间复杂度、空间配置器和内存池、排序总结、右值引用和移动语义、函数出参和入参、类中的deafult和delete

0、前言：

• 1、这部分用add标识的是补充知识，用stl标识的是stl部分知识，用ds标识的是数据结构方面的知识；
• 2、这篇笔记是对知识点的记录，部分知识点的记录可能不完整，后序根据学习情况，加以补充；
• 3、有些知识可能会和前面重复，但是重复的总结，不就是为了深刻的记忆吗？

---

1、add_时间复杂度：

1.1、概述：给程序n个输入，分析最坏情况下，程序执行次数的量级；

• 在 C++ 中，时间复杂度是 衡量算法执行效率的核心指标 ，它描述的是算法运行时间随输入规模增长的变化趋势，而非具体执行时间（具体时间受硬件、编译器等影响）。
• 时间复杂度用大 O 符号（O） 表示，关注的是最坏情况下的增长趋势，忽略常数项和低阶项。

1.2、时间复杂度的类型：

• O (1)：常数时间：给n个输入，执行步骤固定。

int getFirstElement(vector<int>& arr) {return arr[0]; // 直接访问，1步完成
}

• O (log n)：对数时间：给n个输入，执行log n次后结束。
  特点：每轮操作后，问题规模缩小一半（如二分法）。
  案例：

  示例分析：二分查找
  1、初始范围：n个元素。
  2、每次迭代：范围减半，剩余 n/2,n/4,…,1。
  3、迭代次数：log 以2为底n的对数次后范围为 1。
  4、结论：时间复杂度为 O(logn)。

• O (n)：线性时间
  例如：遍历输入，输入n个，遍历完成需要执行n次；

• O (n log n)：线性对数时间
  例如：常见于高效排序算法当中
  特点：将问题分解为n个规模的logn的子问题

• O (n²)：平方时间
  特点：执行步骤与 n 的平方成正比；
  案例：常见于循环嵌套中；

• 更高复杂度（O (n³)、O (2ⁿ) 等）
  O (n³)：三层嵌套循环（如矩阵乘法）。
  O (2ⁿ)：指数级，如未优化的斐波那契递归：

1.3、如何分析时间复杂度：

1、数循环次数：嵌套循环取乘积（如两层循环→O (n×m)，若 n=m 则为 O (n²)）。
2、忽略常数操作：如变量声明、单次判断等不随 n 增长的步骤。
3、关注最坏情况：例如线性查找，最好情况是 O (1)（第一个元素命中），但时间复杂度按最坏情况 O (n) 算。

1.4、空间复杂度

• 理解了时间复杂度，空间复杂度就是顺带提一嘴的事
• 概述：算法运行时需要额外占用多少存储空间。
• 表示方式和时间复杂度一致。

---

2、STL_空间配置器和内存池：

2.1、空间配置器概述：空间配置器是STL六大组件中的最后一个，负责对容器需要的内存空间进行管理。

• 每种容器都可以有一个空间配置器的参数，一般都是模板参数中的最后一个参数，它是可缺省的，所以通常不传，直接默认使用STL中提供的allocator 类作为空间配置器。

2.2、内存池概述：在 C++ STL 中，内存池（Memory Pool）是一种高效的内存管理技术

• 内存池主要用于优化小型对象（如vector的元素、list的节点等）的频繁分配与释放。
• STL中为什么设计内存池这种思想：在STL容器申请释放空间时存在一个问题——结点型数据结构会频繁申请/释放小块内存空间。而直接去内存中申请不但慢，而且会导致内存碎片，降低内存的使用效率，所以它会采用内存池对小块内存的申请/释放进行管理。方法是直接重载new 和delete 运算符。
• 内存池管理办法：STL在管理内存池时，会用到一张哈希表。这张哈希表中存在以8为倍数的桶，每个桶都会存放对应桶大小的空间。例如，8桶中存放的就是8字节的内存空间，32桶中存放的就是32字节的内存空间等。以STL 为例，它会以128 字节为分界线，超过SGI128 字节的空间视为大块内存，直接去内存中申请，而小于等于128字节的空间视为小块内存，由内存池管理。管理时，会对内存池进行切分，例如某个结点需要空间，则直接从内存池中切分出若干结点大小的空间（这么做的目的是做了预判，即可能之后还需要更多的同类型空间），挂到对应桶中，以供结点使用，如果结点被释放，则释放的空间也会归还到对应桶中，以便重复利用。
• STL中将直接从内存中申请/释放空间的空间配置器称为一级空间配置器，而将管理内存池的空间配置器称为二级空间配置器。

---

3、ds_排序总结：

• ★★★所有排序无外乎先依据 排序原理 从简单的3到4个序列元素想明白，然后再总结一般规律，写出代码；

3.1、冒泡排序：

• 排序原理：
  

• 代码：

void mao_pao(vector<int>& a)
{int n = a.size();int i, j, temp;for (i = 0; i < n; i++){for (j = 0; j < n - i - 1; j++){if (a[j] > a[j + 1]){temp = a[j];a[j] = a[j + 1];a[j + 1] = temp;}}}
}

• 时间复杂度分析：O(n²)
  外层循环‌：执行n次（i=0到i=n-1）
  ‌内层循环‌：第i次时执行n-1-i次比较
  【(n-1) + (n-2) + … + 1 = n(n-1)/2 ≈ O(n²)】
• 优缺点分析：
  • 优点：简单直观、在原空间排序；
  • 缺点：时间复杂度高；

3.2、选择排序：

• 排序原理：
  

• 代码：

void xuan_ze(vector<int>& a)
{int i, j,mx=0;for (i = 0; i < a.size()-1; i++){mx = 0;for (j = 1; j < a.size()-i; j++){if (a[j] > a[mx]){mx = j;}}swap(a[mx], a[a.size() - i-1]);}
}

• 时间复杂度分析：O(n²)
  外层循环执行n-1次（i=0到i=n-2）
  内层循环第i次执行n-1-i次比较
  【(n-1) + (n-2) + … + 1 = n(n-1)/2 ≈ O(n²) 】
• 优缺点分析：
  • 优点：简单直观，不用额外空间；
  • 缺点：时间复杂度高

3.3、插入排序：

• 排序原理：
  

• 代码：

void cha_ru(vector<int>& a)
{int p1 = 0;	// 有序序列结束值下标int p2 = 1; // 无序序列比较值的下标int i,j;for (i = p2; i < a.size(); i++){for (j=p1;j>=0;j--){if (a[j] > a[p2]){swap(a[p2], a[j]);p2 = j;}}++p1;p2 = i + 1;}
}

• 时间复杂度分析： O(n²)
  最坏情况‌（逆序数组）：
  每次插入都要比较所有已排序元素
  第k次插入需比较k次
  总比较次数 = 1+2+…+(n-1) = n(n-1)/2 → O(n²)
• 优缺点分析：
  • 优点：简单直观，不用额外空间；
  • 缺点：时间复杂度高

3.4、堆排序：

• 排序原理：
  

• 代码：

// 堆排序【以大顶堆为例】
// 堆化：只能保证所有根都大于左右子树，要让最大值到栈顶，还得从叶子结点开始
void do_heap(vector<int>& arr, int n)
{// 双根结点if (2 * n + 1 < arr.size() && 2 * n + 2 < arr.size()){