算法定义
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多个操作。
算法特性
算法具有五个基本特性:输入、输出、有穷性、确定性和可行性。
- 输入输出:算法具有零个或多个输入,如打印“hello world!”这样的代码不需要任何输入参数。算法至少有一个或多个输出,算法是一定需要输出的,输出的形式可以是打印输出或返回值。
- 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,并且每一个步骤在可接受的时间内完成。这里有穷的概念并不是纯数学意义的,而是在实际应用当中合理的、可以接受的“有边界”。
- 确定性:算法的每一步骤都具有确定的含义,不会出现二义性。相同输入对应唯一的输出结果,每个步骤被精确定义而无歧义。
- 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。
算法设计的要求
正确性:算法的正确性是指算法至少应该具有输入、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。大体分为以下四个层次。
- 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得出满足规格说明的结果。(一般以此为标准)
- 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。(最困难)
可读性:算法设计的另一目的是为了便于阅读、理解和交流。可读性高有助于理解算法,易于调试和修改。
健壮性:当输入数据不合法时,算法也能做出相关处理,而不是产生异常或莫名其妙的结果。
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。
算法效率的度量方法
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,利用计算机计时器对不同算法编制的程序的运行时间进行比较,从而确定算法效率的高低。事后统计方法不予采纳需事先编制好程序、太过依赖计算机硬件和软件、测试数据设计困难且受测试规模限制,一般不予考虑。
事前分析估算方法:在计算机程序编制前,依据统计方法对算法进行估算。程序运行所消耗的时间取决于算法策略方法(算法好坏)、代码质量(软件支持)、输入规模(输入量的多少)、指令执行速度(硬件性能),除去软硬件因素运行时间最终依赖于算法的好坏和问题的输入规模。
函数的渐近增长:函数的渐近增长:给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n>N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
判断一个算法的效率时,函数中的常数和其他次要项常常可以忽略,而更应该关注主项(最高阶项)的阶数。
算法时间复杂度
算法时间复杂度定义
在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度,也就是算法的时间量度,记作:T(n)=O(f(n))。它表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
推导大O阶方法:用大写0()来体现算法时间复杂度的记法,称之为大0记法,推导大0阶的方法如下:
- 用常数1取代运行时间中的所有加法常数。
- 在修改后的运行次数函数中,只保留最高阶项。
- 如果最高阶项存在且不是1,则去除与这个项相乘的常数。
- 得到的结果就是大O阶。
常见的时间复杂度
常见的时间复杂度如表:
执行次数函数 | 阶 | 非正式术语 |
---|---|---|
12 | O(1) | 常数阶 |
2n+3 | O(n) | 线性阶 |
3n²+2n+1 | O(n²) | 平方阶 |
5log₂ n+20 | O(logn) | 对数阶 |
2n+3nlog₂ n+19 | O(nlogn) | nlogn阶 |
6n³+2n²+3n+4 | O(n³) | 立方阶 |
2" | O(2") | 指数阶 |
所耗费的时间从小到大依次是(一般时间复杂度大于O(n²)的算法不考虑):
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2")<O(n!)<O(n”)
最坏情况与平均情况
最坏情况运行时间是一种保证,那就是运行时间将不会再坏了。这是一种最重要的需求,除非特别指定,我们提到的运行时间都是最坏情况的运行时间。
平均运行时间是所有情况中最有意义的,因为它是期望的运行时间,但很难通过分析得到。一般在没有特殊说明的情况下,都是指最坏时间复杂度。
算法空间复杂度
在写代码时,我们完全可以用空间来换取时间。
算法的空间复杂度:算法的空间复杂度通过计算算法所需的存储空间实现,算法空间复杂度的计算公式记作:S(n)=0(f(n)),其中,n为问题的规模,f(n)为语句关于n所占存储空间的函数。
总结:时间复杂度与空间复杂度的关系
- 时间复杂度与空间复杂度没有必然联系,但是可以以空间换时间或时间换空间。
- 时间复杂度:T(n)=O(f(n)),n为问题的规模,f(n)为语句关于n执行所费时间的函数。
- 空间复杂度:S(n)=O(f(n)),n为问题的规模,f(n)为语句关于n所占存储空间的函数。
- 时间复杂度、空间复杂度都是用推导大O阶方法推导出来的。