算法(algorithm):就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:单独学习数据结构,不能理解数据结构有什么用处。
算法的特性:输入和输出(零个或多个输入,一个或多个输出),有穷性,确定性,可行性
算法设计的要求:正确性、可读性、健壮性、时间效率高、存储量低、
算法效率的度量方法:这里的算法效率指的是执行时间
关注代码的中间部分,把循环看成一个整体,忽略掉头尾循环判断的开销。
比如下面这段代码:
int i,sum = 0,n = 100;//执行1次
for(i = 1,i< = n,i++){//执行n+1次
sum = sum + i;//执行n次 基本操作
}
printf("%d",sum)://执行一次
我们关注代码中间部分,也就是循环部分,并且忽略掉头尾循环判断的开销,也就是第二行。
测定运行时间最可靠的方法就是计算对运行时间有消耗的基本操作的执行次数。运行时间和这个计数成正比。我们在分析一个算法的运行时间时,重要的就是把基本操作的数量与输入规模关联起来,即基本操作的数量必须表示成输入规模的函数f(n)。
函数的渐进增长:在输入规模n没有限制的情况下,只要超过一个具体的数值N,这个函数就总大于另一个,我们就称函数是渐进增长的。
判断一个算法效率时,函数的常数和其他次要项可以忽略,而更应关注主项(最高阶项)的阶数。
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,称作算法的渐进时间复杂度,简称时间复杂度,一般用大写O来体现算法时间复杂度的记法,称为大O记法。一般随着n的增大,T(n)增长最慢的算法为最优算法。
常见的时间复杂度:
执行次数函数 | 阶 | 非正式用语 |
12 | O(1) | 常数阶 |
2n+3 | O(n) | 线性阶 |
3n^2+2n+1 | O(n^2) | 平方阶 |
5log2 n+20 | O(logn) | 对数阶 |
2n+3nlog2 n+19 | O(nlogn) | nlogn阶 |
6n^3+2n^2+3n+4 | O(n^3) | 立方阶 |
2^n | O(2^n) | 指数阶 |