数据结构 第二章 算法和算法的评价

前言

🚀 写在最前：瑞士计算机科学家尼古拉斯·沃斯在1984年获得图灵奖说“Algorithm+Data Structures=Programs”，也就是我们常说的程序=数据结构+算法。在前一篇文章我们大概了解了一下数据结构到底在学什么，这篇文章将了解一下什么是算法；以及如何评价算法的好坏？

🚀  ：求一个关注😀，让我们一起探索计算机的奥秘！

什么是算法？

算法的官方定义：

算法是解决特定问题求解决步骤的描述，再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多个操作。 其简单理解就是对于一个问题，给出该问题的解法，而这个解法用自然语言描述或者使用编程语言描述出来，这就是算法。

算法拥有五个重要特性：

• 有穷性：也就是说给出的问题解决方法必须在有限时间内可以解决该问题，且解决问题的每一个步骤必须也得可有在有限时间内完成。
• 确定性：给出的解决方案，对于同一问题，得到的答案必须唯一。
• 可行性：算法在给定问题上是否可以有效地解决、实现。
• 输入：对于一个算法，有零个或者多个输入。
• 输出：对于一个算法，有一个或者多个输出。

算法效率的度量 

😀为什么要学算法效率的度量：对于一个问题的提出，可能就会有多种解决方案，即就是会有多种算法来解决这个问题，那么我们该如何选择算法呢？我们的期望肯定选择的算法是高效的，速度快的，对计算机硬件资源消耗小的；所以就需要一个评价指标来度量算法的好坏。

😀算法效率的度量的两个指标：时间复杂度+空间复杂度。

①：时间复杂度

对于算法是高效的，速度快的，选择时间复杂度来衡量，时间复杂度就是衡量这个算法快或者不快的，所以说我们是不是就可以把算法放机器上去跑一下，看下运行时长，就可以得到哪个算法的时间复杂度低呢？显示是不行的，机器硬件不同，跑出来的时间肯定不同，显然这种方法是不可行，所以对于时间复杂度我们只要大概统计一下要运行多少行代码即可，接下去一起看看时间复杂度是如何进行评价的。直接举例讲解！！

🍬例1：

def sum_of_array(arr):
    total = 0
    for num in arr:
        total += num
    return total

# 示例用法
arr = [1, 2, 3, 4, 5]
print(sum_of_array(arr))  # 输出: 15

现在arr的大小是变为了n，即未知，时间复杂度又会是多少？

🍬例2： 

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]

所以可以看出来，对于时间复杂度来说就是算每一行代码运行了多少次，然后把所有次数相加，就是该算法的时间复杂度。到这里为止已经就是掌握了时间复杂度的求法了。接下去我们再来看一个数学上的小问题。

 可以看出，对于一个函数来说，其n的值越大，其最后的结果，大部分来自于次数最高的那个，所以对于算法时间复杂度表达式子可以简化表大，使用最高阶的来代替即可，即接下去要说的大O表示法。

大O表示法：

对于上述求出来的算法复杂度分别是

1. 5+1=6 
2. n+1

3. 1+ n+ [(n-1)+1]/2

使用大O表示法表示后其复杂度分别就表示为O(1)、O(n) 、O()，只保留最高项，对于常数次的算法，就用O(1)表示其算法复杂度。

②：空间复杂度

运行一个算法所需要的空间数量就是空间复杂度，当然也可以使用大O表示法。仍然举例说明。

🍬例：

def sum_array(arr):
    total = 0
    for num in arr:
        total += num
    return total

算法复杂度考研计算题 

一层循环

二重循环

递归