数据结构学习02——算法和算法分析

目录

一、定义和特性

1.算法的定义

2.算法的特性

二、算法的描述

三、算法与程序

四、算法的时间复杂度

1.算法时间效率的度量

2.语句频度和运行时间

3.算法的时间复杂度定义

4.时间复杂度计算

 五、算法的空间复杂度

---

一、定义和特性

1.算法的定义

 对特定问题求解方法和步骤的一种描述，它是指令的有限序列。其中每个指令表示一个或多个操作。

2.算法的特性

①有穷性：执行有穷步，且每一步都在有穷时间内完成。

②确定性：每一条指令都有确切的含义，无二义性。

③可行性：算法是可执行的。

④输入：一个算法有零个或多个输入。

⑤输出：一个算法有一个或多个输出。

二、算法的描述

①自然语言

②流程图

③伪代码、类语言

④程序代码

三、算法与程序

程序=数据结构+算法

数据结构通过算法实现操作，算法根据数据结构设计程序。

四、算法的时间复杂度

1.算法时间效率的度量

用执行所消耗的时间来度量。

两种度量方法：事后统计、事前分析。

2.语句频度和运行时间

语句频度：一条语句重复执行次数。

算法运行时间：每条语句执行次数之和×该语句执行一次所需要的时间

3.算法的时间复杂度定义

算法中基本语句重复执行的次数是问题规模n的某个函数f(n)时，

算法的时间量度记作：T(n)=O(f(n))，它表示随着n的增大，算法执行的时间增长率和f(n)的增长率相同，称作渐近时间复杂度，简称时间复杂度。由嵌套最深层语句的频度所决定。

n越大，算法的执行时间越长。

①排序：n为记录数

②矩阵：n为矩阵的阶数

③多项式：n为多项式的项数

④集合：n为元素个数

⑤树：n为树的结点个数

⑥图：n为图的顶点数或边数

例题分析：

i=1；

while(i<=n)

   i=i*2

·若执行1次：i=i*2=2

·若执行2次：i=2*2=2的平方

·若执行3次：i=2的平方*2=2的三方

·若执行x次：i=2的x次方

设语句执行x次，由循环条件：i<=n, 所以：2的x次方<=n, 所以x<=log2(n)

即f(n)<=log2(n),取最大值f(n)=log2(n),则时间复杂度T(n)=O(log2(n))

4.时间复杂度计算

最好情况：1次

最坏情况：n次

平均时间复杂度：O(n)

①加法法则：T(n)=T1(n)+T2(n)=O(f(n))+O(g(n))=O(max(f(n),g(n)))

②乘法法则：T(n)=T1(n)×T2(n)=O(f(n))×O(g(n))=O(f(n)×g(n))

T(n)按数量级递增顺序:

 五、算法的空间复杂度

S(n)=O(f(n))