数据结构学习笔记——算法分析

算法分析方法：
时间复杂度
空间复杂度

一个算法是由控制结构（顺序，分支和循环）和原操作构成的。

void fun(int a[],int n)
{
	int i; ·······································（1）
	for (i = 0;i < n; i++)························（2）
	{	
		a[i] = 2*i;·······························（3）
	}
	for (i = 0; i < n; i++)·······················（4）
	{	
		printf("a[%d] = %d", i,a[i]);·············（5）
	}
}

算法的运行时间取决于控制结构和原操作的综合效果，如果for循环循环次数很多，哪怕原操作很快，时间也会比较长，即使只有一个顺序结构，如果原操作比较多，那么时间也会比较长。
很显然，如果运行一次算法的过程中，如果原操作被执行的次数越少，那么算法运行的速度也会更快，反之，速度就会越慢。

**问题规模：**需要处理的数据的个数。
比如如果要对10个数由小到大排序，那么相关算法的问题规模就是10。

**频度：**原操作执行的次数。他是问题规模的函数，用T(n)表示。

算法执行时间大致等于原操作所需时间*T(n)，也就是说执行时间与T(n)成正比，因此我们用T(n)表示算法的执行时间。

本题中的问题规模是n。
如果不考虑定义语句，那么需要操作的语句就是定义语句下面的三个语句。
语句1：从i = 0开始运行，知道i=n，判断不成立后才运行结束，所以语句1执行力n+1次。
语句2：语句2是语句1的循环体里面的内容，每当语句1的循环体运行一次的时候，它就从i = 0开始，知道i=n，它还会执行判断，然后才结束，那么语句1的循环体每运行一次，语句2就运行n+1次，要注意的是，语句1的循环体只运行n次（i = n-1的时候是最后一次）所以语句2运行了n(n+1)次。
语句3：语句3是语句2的循环体里面的内容，语句1的循环体每运行一次，语句2里面的循环体就运行n次，语句1的循环体一共运行n次，那么语句3就运行n^2次。

所以这个算法的原操作的次数T(n) = n+1+n(n+1)+n^2

时间复杂度：
算法分析不是用绝对时间比较，是用原操作的数量级来表示。
就是取T(n)的最高阶，也就是说上面例题的时间复杂度是O(n^2).
如果一个算法没有循环，或者是循环次数与问题规模无关，那么把这样的算法的时间复杂度记作O(1),称之为常数阶。

常用时间复杂度之间的关系：

简化的算法时间复杂度分析:
用原操作的执行次数来代替T(n)，也就是说上面的那个题目的T(n) = n^2，时间复杂度 = O(n^2）。以后计算T(n)时，仅仅只考虑原操作的执行次数。

平均时间复杂度，最好、最坏时间复杂度：
一个算法有时候对输入的数据敏感，可能会出现不同的数据，算法的时间复杂度不同，那么假设所有输入实例的集合为D，I∈D，输入I的概率 = P（I)，输入I的时间复杂度为T(I),那么这个算法的平均时间复杂度为
概率✖时间复杂度 ，然后求和。

空间复杂度：
算法在运行过程中临时占用得到内存大小。

时间和空间复杂度具有矛盾性：
时间越少，空间就会越大。
时间越大，空间就会越小。