数据结构与算法的关系

算法：算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或者多个操作。

数据结构与算法的关系是相互依赖不可分割的。

1.两种算法的比较

现在我们要求写一个求1+2+3+........+100结果的程序：

我们大多数人会这样写：

这就是简单的一种算法，那么你是否想过，这样写的代码真的很好吗？执行效率是否高效？

我们小学就知道了，一种叫高斯算法:

就是把该算式正序排列一式，然后倒叙排列写成二式；两者相加就是左边等于两倍的sum，右边则为所以数之和；很容易得到sum；那么我们对程序就可以改进一下了：

这种算法相当于另一种求等差数列的算法，不仅仅可以用于1加到100，就是加到1000，10000，也就是瞬间的事情，而如果是刚刚第一种算法计算机要循环上百次，上千次，上万次。刚才第一种算法的效率大大不如现在的算法。

2.算法的特性

(1).输入输出

算法具有零个或者多个输入。

算法至少有一个或者多个输出。输出的形式可以是打印输出，也可以是返回一个或者多个值。

也就是输入可以没有，但是你必须要有输出。不然你要算法干嘛？

(2).有穷性

指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每个步骤在可以接受的范围内完成。

(3).可行性

算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限次数完成。

3.算法的设计要求

(1).正确性：

算法的正确性是指算法至少应该具备输入，输出和加工处理无歧义性，能正确反映问题的需求，能够得到问题的正确答案。

但是算法的“正确”通常在用法上有很大的差别，大体分成四个层次：

算法程序没有语法错误；

算法程序对于合法的输入数据能够产生满足要求的输出结果；

算法程序对于非法的输入数据能够产生满足规格说明的结果；

算法程序对于精心选择的，甚至刁难的测试数据都有满足要求的输出结果。

(2).可读性

算法设计的另一目的是为了便于阅读，理解，交流。

可读性是算法好坏很重要的指标，如果可读性不好，时间长了，自己连自己写的都看不懂。

(3).健壮性

当输入数据不合法时，算法也能做出相关处理，而不是产生异常或者莫名奇妙的结果。

(4).时间效率高和存储量低

设计算法应该尽量满足时间效率高和存储量低的需求。

总之，好的算法，应该具有正确性，可读性，健壮性，高效率和低存储量的特征。

4.算法效率的度量方法

(1).事后统计方法

这种方法主要是通过设计好的测试程序和数据，利用计算机计时器不同算法编制程序的运行时间来进行比较，从而来确定算法效率的高低。

这种方法比较依赖于计算机硬件和软件等环境因素，故我们不予采纳。

(2).事后分析估计方法

是指在计算机程序编制前，依据统计方法对算法对算法进行估算。

还是看之前这两个算法：

显然，第一个算法，执行了1+(n+1)+n+1次=2n+3次；而第二种算法，是1+1+1=3次。其实上两个算法的第一条和最后一条都是一样的，所以我们关注中间的代码，忽略循环判断的开销，那么这两个算法其实就是n和1次的差距。算法好坏显而易见。

下面我们再来看一个列子：

上述算法若忽略第一次和最后一次执行次数为100^2,并且随着n值的增大，执行时间也会增大，远远多于前面两个算法的执行时间。

所以在分析程序的运行时间时，最重要的是把程序看成独立于程序设计语言的算法或者一系列步骤。